Bildannotation

Potatos Bildannotationssystem unterstützt mehrere Annotationsmethoden für Computer-Vision-Aufgaben, einschließlich Objekterkennung, Segmentierung und Keypoint-Annotation.

Unterstützte Werkzeuge

Grundkonfiguration

annotation_schemes:
  - name: "objects"

Konfigurationsoptionen

Beschriftungskonfiguration

Beschriftungen können einfache Zeichenketten oder detaillierte Objekte sein:

# Simple labels (auto-colored)
labels:
  - person
  - car
  - tree
 
# Detailed labels with custom colors and shortcuts
labels:
  - name: "person"
    color: "#FF6B6B"
    key_value: "1"
  - name: "car"
    color: "#4ECDC4"
    key_value: "2"
  - name: "bicycle"
    color: "#45B7D1"
    key_value: "3"

Beispiele

Objekterkennung (Begrenzungsrahmen)

annotation_schemes:
  - name: "detection"

Instanzsegmentierung (Polygone)

annotation_schemes:
  - name: "segmentation"

Keypoint-Annotation (Landmarken)

annotation_schemes:
  - name: "facial_landmarks"

Mehrere Werkzeuge

annotation_schemes:
  - name: "mixed_annotation"

Tastaturkürzel

Datenformat

Eingabedaten

Die Datendatei sollte Bildpfade oder URLs enthalten:

[
  {
    "id": "img_001",
    "image_url": "https://example.com/images/photo1.jpg"
  },
  {
    "id": "img_002",
    "image_url": "/data/images/photo2.png"
  }
]

Das Bildfeld in der Konfiguration festlegen:

item_properties:
  id_key: id
  text_key: image_url

Die Zeichenfläche fordert jedes Bild mit CORS an, damit sie die Pixel des Bildes lesen kann. Viele öffentliche Hosts, darunter cocodataset.org, senden keinen Access-Control-Allow-Origin-Header und lehnen diese Anfrage ab. Ab Potato 2.11 lädt die Zeichenfläche das Bild dann erneut ohne CORS. Auf einem so geladenen Bild funktionieren Begrenzungsrahmen, Polygone, Ellipsen, Punkte, Freihandstriche und der Pinsel. Die Werkzeuge, die die Pixel des Bildes lesen, laufen darauf nicht: Das Füllwerkzeug meldet, dass es das Bild nicht lesen kann, und füllt nichts, und SAM sowie die Segmentierung per Textprompt melden, dass der Host keine CORS-Header sendet. Um diese Werkzeuge zu nutzen, kopieren Sie die Bilder in das media_directory der Aufgabe und verweisen Sie auf sie als /media/<file>.

Ausgabeformat

Annotationen enthalten Geometriedaten für jede Annotation:

{
  "id": "img_001",
  "annotations": {
    "objects": [
      {
        "id": "ann_1",
        "type": "bbox",
        "label": "car",
        "geometry": {
          "x": 100,
          "y": 150,
          "width": 200,
          "height": 100
        }
      },
      {
        "id": "ann_2",
        "type": "polygon",
        "label": "building",
        "geometry": {
          "points": [
            [50, 50],
            [150, 50],
            [150, 200],
            [50, 200]
          ]
        }
      }
    ]
  }
}

Unterstützte Bildformate

• JPEG / JPG
• PNG
• GIF
• WebP

Segmentierungsmasken

Neu in v2.2.0

Die Werkzeuge fill, eraser und brush ermöglichen pixelgenaue Segmentierungsmasken-Annotation. Diese Werkzeuge sind ideal für semantische Segmentierungsaufgaben, bei denen präzise Regionsgrenzen benötigt werden.

annotation_schemes:
  - name: "segmentation"

PDF/Dokument-Begrenzungsrahmen

Neu in v2.2.0

Begrenzungsrahmen auf PDF-Seiten und Dokumentbildern zeichnen. In Kombination mit dem pdf-Anzeigetyp in instance_display können Annotatoren Rahmen auf einzelnen Seiten von PDF-Dokumenten zeichnen.

instance_display:
  fields:
    - key: pdf_url
      type: pdf
 
annotation_schemes:
  - name: "document_regions"

Bewährte Vorgehensweisen

1. Geeignete Werkzeuge verwenden - Begrenzungsrahmen für schnelle Erkennung, Polygone für präzise Grenzen, Füll-/Pinselwerkzeuge für Segmentierung
2. Klare Beschriftungen definieren - Eindeutige, nicht überlappende Kategorien verwenden
3. Annotationslimits setzen - min_annotations für vollständige Erfassung nutzen
4. Zoom aktivieren - Unverzichtbar für detaillierte Annotationen bei hochauflösenden Bildern
5. Tastaturkürzel verwenden - Beschleunigt die Annotation erheblich
6. Beschriftungsfarben angeben - Erleichtert die visuelle Unterscheidung von Annotationen