NEW暗黑模式现已上线 🌓 Label Studio 1.18.0 版本发布

教程:将本地YOLO预标注图像导入Label Studio

指南

今天,我们将深入了解Label Studio格式转换器,这是一个便捷的工具,可帮助您将标签编码为与您喜爱的机器学习库兼容的格式,从而提升工作流程效率。

在本教程中,我们将探讨如何将YOLO预标注图像导入Label Studio以进行进一步标注。

以下是集成流程的概述:

先决条件

在开始之前,请确保您已具备以下条件:

  • 在本地环境中已安装Label Studio。如果尚未设置,请按照此处的说明操作。
  • YOLO标注的图像及其对应的.txt标签文件,组织在目录/yolo/datasets/one中。
  • label-studio-converter 已安装(Label Studio默认包含此组件,无需额外操作)

步骤1:设置您的环境和Label Studio

要开始使用,请配置您的环境并启动Label Studio。

对于Unix系统:

export LABEL_STUDIO_LOCAL_FILES_SERVING_ENABLED=true
export LABEL_STUDIO_LOCAL_FILES_DOCUMENT_ROOT=/yolo/datasets
label-studio

Windows系统:

set LABEL_STUDIO_LOCAL_FILES_SERVING_ENABLED=true
set LABEL_STUDIO_LOCAL_FILES_DOCUMENT_ROOT=C:\\yolo\\datasets
Label-studio

注意: 请确保将 /yolo/datasets 替换为您实际的YOLO数据集目录路径。

步骤2:配置本地存储

接下来,您需要配置本地存储,以便将数据集无缝集成到Label Studio平台中。

  1. 在Label Studio中创建一个新项目。
  2. 前往项目设置并选择云存储
  3. 点击添加源存储并从存储类型选项中选择本地文件
  4. 绝对本地路径设置为/yolo/datasets/one/images。如果您是Windows用户,请将其设置为c:\yolo\datasets\one\images
  5. 选择添加存储以确认设置。

步骤3:检查图像访问权限

在继续之前,请确保您能够通过Label Studio访问存储在本地存储中的图像。

打开浏览器标签页并粘贴此URL:

http://localhost:8080/data/local-files/?d=one/images/.jpg

.jpg 替换为数据集中图像的路径。如果一切正常,您应该能看到图像弹出。

但如果图片无法打开,则意味着本地存储设置存在问题。可能是由于在本地存储设置中指定的路径或LABEL_STUDIO_LOCAL_FILES_DOCUMENT_ROOT中存在错误导致的。

注意: ?d= 后的URL路径应与 LABEL_STUDIO_LOCAL_FILES_DOCUMENT_ROOT=/yolo/datasets 的结构匹配。

例如,如果您的图片位于/yolo/datasets/one/images/.jpg,则URL路径应为/yolo/datasets/one/images/.jpg

步骤4:转换YOLO标注

是时候用Label Studio Converter施展一些魔法了!

打开终端并输入:

label-studio-converter import yolo -i /yolo/datasets/one -o output.json --image-root-url "/data/local-files/?d=one/images"

步骤5:导入转换后的标注

完成转换流程后,您需要将标注数据导入到Label Studio项目中。

具体操作步骤如下:

  1. 返回您的Label Studio项目。
  2. 数据管理器中,选择导入
  3. 选择要导入的output.json文件。

步骤6:复核标注结果

导入后,花点时间在Label Studio中查看您的图像。

您预标注的边界框应可见并准备就绪。确保一切看起来都没问题,如有需要,请进行必要的调整。

额外提示:故障排除问题

如果您在路径或图像访问方面遇到任何问题,可以采取以下措施:

1) 请再次确认您的LABEL_STUDIO_LOCAL_FILES_DOCUMENT_ROOT 配置正确。这能确保Label Studio知道在哪里找到您的数据集。

2) 确保转换命令中的--image-root-url与相对路径匹配。您可以通过从本地存储设置中指定的绝对本地路径中减去LABEL_STUDIO_LOCAL_FILES_DOCUMENT_ROOT来找到此路径。

我们的意思是:

`本地存储设置中的绝对本地路径` `LABEL_STUDIO_LOCAL_FILES_DOCUMENT_ROOT` = `--image_root_url的路径`

因此,如果你的本地绝对路径是/yolo/datasets/one/images,而你的LABEL_STUDIO_LOCAL_FILES_DOCUMENT_ROOT设置为/yolo/datasets/,那么--image_root_url对应的路径应该是one/images

3) 确保您在Label Studio中的本地存储设置正确,特别是图像的绝对本地路径(/yolo/datasets/one/images)。

如需更多帮助,请查阅我们关于导入预标注数据设置云存储的详细指南。这些指南涵盖了您解决问题所需了解的所有内容。

为了进一步提升您的标注工作流程,可以考虑将YOLO ML后端与Label Studio集成。这一设置能够在平台内直接实现实时目标检测、分割、分类和视频目标跟踪,从而简化大规模数据集的标注过程。有关此集成设置的完整指南,请参阅我们的详细教程

相关内容

  • 每个人都在(无意中)作弊

    AI基准测试正在悄然失效。研究表明,数据泄露、排行榜操纵和激励错配正在夸大模型性能。本文探讨了改革的四大支柱:治理、透明度、广谱指标和监督,并概述了企业如何通过集中式基准管理平台建立信任。

    尼古拉·柳比莫夫

    2025年5月13日

  • 提升标注质量和速度的3种标注团队操作手册

    每个机器学习团队都不尽相同,您的标注工作流程也应如此。本指南将解析三种常见的标注团队配置方案,以及如何定制您的工具和流程来提升质量、速度和规模。

    Alec Harris

    2025年5月7日

  • 您的RAG系统可能失败的七种情况及解决方法

    RAG系统承诺提供更准确的人工智能响应,但由于检索错误、幻觉和不完整答案等问题,它们往往表现不佳。本文探讨了七种常见的RAG系统故障——从遗漏排名靠前的文档到格式错误——并提供了实用解决方案来提高检索准确性、排序质量和响应质量。了解如何优化您的RAG系统,确保其提供可靠、具备上下文感知能力的人工智能响应

    米凯拉·卡普兰

    2025年3月19日