Der schnellste Weg, Computer-Vision-Datensätze zu annotieren

Ja. Die Platform erkennt YOLO, COCO, LabelMe JSON, Labelbox NDJSON, Ultralytics NDJSON und semantische PNG-Masken automatisch. Mit deinem API-Schlüssel kannst du Datensätze aus Roboflow importieren. Projekte aus CVAT oder Label Studio lassen sich durch Hochladen eines YOLO- oder COCO-Exports importieren. Pascal VOC-XML-Beschriftungen werden nicht importiert; wandle sie daher zuerst um.

Ja. Datensätze lassen sich als Ultralytics NDJSON exportieren, ausgenommen On-Premise-Datensätze. Bildlinks im Export laufen nach 7 Tagen ab; verwende oder konvertiere den Export daher rechtzeitig. Die Datei muss in der Regel nicht konvertiert werden: Übergib sie oder den ul://-URI des Datensatzes an model.train(), und Ultralytics erstellt die YOLO-Ordner für dich. Um YOLO-Ordner ohne Training zu erhalten, konvertiere den Datensatz mit convert_ndjson_to_yolo aus dem Paket ultralytics.

Bei der manuellen Beschriftung zeichnest du jedes Label selbst. Die intelligente Beschriftung schlägt Labels vor, die du überprüfen kannst: Klicke auf ein Objekt, und ein Segment Anything (SAM)-Modell zeichnet es ein; führe ein YOLO-Modell – auch dein eigenes – zur Vorbeschriftung aus; oder lass ein Modell mit Klassenaufforderungen deine Klassen in Erkennungsdatensätzen mit 1–200 Klassen finden. Die Funktion ist in jedem Tarif für Datensätze verfügbar, die auf der Platform gespeichert sind, nicht jedoch für verbundene Speicher oder On-Premise-Datensätze. SAM-Klicks und gehostete Modelle sind kostenlos; die Kosten für kostenpflichtige Anbietermodelle werden dem Konto deines Anbieters belastet.

Bei der Bildannotation werden Bilder beschriftet, um darin Objekte, Merkmale oder Bereiche zu kennzeichnen. Sie ist der grundlegende Schritt beim Training von Computer-Vision-Modellen für Aufgaben wie Objekterkennung, Bildsegmentierung, Bildklassifizierung und Posenschätzung. Je nach Anwendungsfall kommen unterschiedliche Annotationstypen zum Einsatz, darunter Begrenzungsrahmen, Polygone, Masken und Keypoints. Die Annotation erfolgt sowohl in Open-Source-Tools als auch auf spezialisierten kommerziellen Plattformen.

Ja. Mit der Stapelannotation führst du ein Modell auf deinem gesamten Datensatz aus: ein YOLO-Modell, auch dein eigenes, oder ein Modell, das mit Klassenangaben gesteuert wird, auf Erkennungsdatensätzen mit 1–200 Klassen. Standardmäßig werden nur nicht beschriftete Bilder annotiert und zuvor wird eine Datensatzversion gespeichert, sodass du Änderungen rückgängig machen kannst. Die Kosten betragen 1 $ pro 1.000 Bilder (mindestens 0,01 $ pro Durchlauf); kostenpflichtige Modelle von Anbietern werden zusätzlich über dein Anbieterkonto abgerechnet. Die Funktion ist für Datensätze verfügbar, die auf der Platform gespeichert sind, nicht für angebundenen Speicher oder On Premise und nicht für Tiefendatensätze.

Private Datensätze sind in allen Tarifen verfügbar. Bei den Tarifen Free und Pro sind neue Datensätze standardmäßig öffentlich, bei Enterprise standardmäßig privat. Überprüfe daher vor dem Hochladen den Sichtbarkeitsschalter. Die Ultralytics Platform ist nach ISO 27001:2022 zertifiziert und verfügt über einen SOC-2-Type-I-Bericht. Datenregionen gibt es in den USA, der EU und APAC. Mit On Premise für Enterprise bleiben deine Bilder für die Annotation und das Training auf deinem eigenen Computer; Labels, Metriken und trainierte Modelle werden auf der Platform gespeichert.

Ja. Lade ein Video hoch, und die Platform extrahiert daraus Einzelbilder, die du annotieren kannst. Pro Video werden bis zu 1 Bild pro Sekunde und höchstens 100 Bilder extrahiert; bei längeren Videos liegen die Abstände zwischen den Bildern weiter auseinander. Die Bilder werden einzeln annotiert, nicht als zusammenhängende Videosequenz.