Skip to content

Bildannotation

Wie du Bilder in Potato annotierst: Klassifikation, Mehrfach-Tagging, Bounding Boxes, Polygone und Landmarken, und wie du nach COCO/YOLO exportierst.

Bildannotation reicht von einem einzelnen Label pro Bild bis zu genauen Regionen, die auf die Pixel gezeichnet werden: Rechtecke, Polygone und Punkte. Welche Ebene passt, hängt davon ab, was dein Modell braucht: Ein Klassifikator braucht Labels, ein Detektor Bounding Boxes und ein Segmentierungsmodell Polygone. Die Referenz zum Feature steht unter Bildannotation.

Klassifikation und Tagging für das ganze Bild

Nimm radio für ein einzelnes Label und multiselect für mehrere. Das Showcase-Beispiel zur Bildklassifikation zeigt eine lauffähige Umsetzung.

yaml
annotation_schemes:
  - annotation_type: multiselect
    name: contents
    description: "Select everything visible in the image."
    labels: [Person, Vehicle, Animal, Building, Vegetation]

Regionen: Rechtecke, Polygone, Landmarken

Zur Lokalisierung zeichnen die Annotierenden ins Bild:

  • Bounding Boxes für die Objekterkennung.
  • Polygone für die Bildsegmentierung, wenn die Form des Objekts zählt.
  • Landmarken bzw. Keypoints für Posen und Gesichter.

Potatos Bildannotation unterstützt diese Regionstypen mit Farben je Klasse, so wie die Span-Annotation für Text funktioniert.

Regeln für Grenzen und Labels

  • Enge. Liegen die Rechtecke eng am Objekt oder lassen sie einen Rand? Bleib konsistent.
  • Verdeckung und Anschnitt. Leg fest, wie ein teilweise verdecktes Objekt eingerahmt wird.
  • Kleine Objekte und Gedränge. Setz eine Mindestgröße und eine Regel für dichte Szenen.

Diese Regeln bestimmen deine Übereinstimmung weit stärker als das Zeichenwerkzeug.

Export für Vision-Modelle

Potato exportiert Bildannotationen in die Formate COCO und YOLO, die Trainingspipelines für Detektion und Segmentierung direkt lesen. Siehe Annotationen für ML exportieren.

Weiterführende Lektüre