Name: Potato
Author: Potato

Prima o poi quasi tutti i progetti di computer vision hanno bisogno di un mucchio di immagini etichettate, e qualcuno deve etichettarle. Che tu stia ordinando foto di prodotti, filtrando contenuti o classificando immagini mediche, Potato si occupa dell'interfaccia e tu puoi concentrarti sulle etichette. Questo tutorial copre le configurazioni che userai davvero: classificazione a etichetta singola e multipla, categorie annidate e i controlli di qualità che tengono in riga i task su immagini.

Classificazione di immagini di base

Partiamo da un task a etichetta singola.

Configurazione

yaml

annotation_task_name: "Product Image Classification"
 
# Image data
data_files:
  - data/products.json
 
item_properties:
  id_key: product_id
  text_key: image_url
 
# Classification labels
annotation_schemes:
  - annotation_type: image_annotation
    name: category
    description: "What type of product is shown?"
    labels:
      - Electronics
      - Clothing
      - Home & Garden
      - Sports & Outdoors
      - Books & Media
      - Other

L'interfaccia di classificazione mostra l'immagine accanto alle etichette di categoria:

Interfaccia di classificazione di immagini con etichette di categoria e scorciatoie da tastiera L'interfaccia di annotazione di immagini con la foto di un prodotto, le etichette di classificazione e le scorciatoie da tastiera

Formato dei dati

Crea data/products.json:

json

{"product_id": "P001", "image_url": "/images/products/laptop.jpg"}
{"product_id": "P002", "image_url": "/images/products/tshirt.jpg"}
{"product_id": "P003", "image_url": "/images/products/garden_tools.jpg"}
{"product_id": "P004", "image_url": "https://example.com/images/basketball.jpg"}

Le immagini possono essere percorsi locali o URL.

Classificazione multi-etichetta

Per le immagini che rientrano in più categorie:

yaml

annotation_schemes:
  - annotation_type: multiselect
    name: attributes
    description: "Select all attributes that apply to this image"
    labels:
      - Contains people
      - Outdoor scene
      - Indoor scene
      - Contains text
      - Product photo
      - Lifestyle photo
      - Close-up shot
      - Wide angle

Categorie gerarchiche

Per le tassonomie complesse, usa etichette annidate:

yaml

annotation_schemes:
  - annotation_type: radio
    name: main_category
    description: "Primary category"
    labels:
      - Apparel
      - Electronics
      - Home
 
  - annotation_type: radio
    name: subcategory
    description: "Subcategory"

Valutazione della qualità delle immagini

Affianca alla classificazione qualche controllo di qualità:

yaml

annotation_schemes:
  - annotation_type: radio
    name: category
    description: "Product category"
    labels: [Electronics, Clothing, Home, Other]
 
  - annotation_type: radio
    name: image_quality
    description: "Is this image suitable for the product catalog?"
    labels:
      - name: Approved
        description: "Clear, well-lit, product is visible"
      - name: Needs review
        description: "Minor issues but potentially usable"
      - name: Rejected
        description: "Poor quality, wrong product, or inappropriate"
 
  - annotation_type: multiselect
    name: quality_issues
    description: "If not approved, what issues are present?"
    labels:
      - Blurry or out of focus
      - Poor lighting
      - Wrong product shown
      - Watermark or text overlay
      - Inappropriate content
      - Multiple products in frame

Impostazioni avanzate per le immagini

Per personalizzare in modo più fine la visualizzazione delle immagini, configura il tipo image_annotation nei tuoi schemi di annotazione e usa i CSS o uno stile su misura, se serve.

Esempio completo

Ecco una configurazione pronta per la produzione:

yaml

annotation_task_name: "E-commerce Image Classification"
 
data_files:
  - data/images.json
 
item_properties:
  id_key: sku
  text_key: image_path
 
annotation_schemes:
  - annotation_type: image_annotation
    name: primary_category
    description: "Select the main product category"
    labels:
      - Electronics
      - Clothing & Accessories
      - Home & Living
      - Beauty & Personal Care
      - Sports & Fitness
      - Toys & Games
      - Other
 
  - annotation_type: multiselect
    name: image_attributes
    description: "Select all that apply"
    labels:
      - White background
      - Lifestyle shot
      - Multiple angles
      - Model wearing/using
      - Size reference included
      - Brand visible
    label_requirement:
      required: false
 
  - annotation_type: radio
    name: listing_ready
    description: "Is this image ready for product listing?"
    labels:
      - Yes - Ready to publish
      - No - Needs editing
      - No - Reshoot required
    label_requirement:
      required: true
 
annotation_guidelines:
  title: "Image Classification Guidelines"
  content: |
    ## Category Selection
    Choose the most specific category that fits the product.
 
    ## Image Quality
    - "Ready to publish": Clear, professional, meets standards
    - "Needs editing": Good photo but needs cropping/color correction
    - "Reshoot required": Fundamentally unsuitable

Consigli per l'annotazione di immagini

Colori e luminosità cambiano da monitor a monitor, quindi quando la cosa conta assicurati che gli annotatori lavorino su schermi ragionevolmente calibrati. Metti immagini di esempio nelle linee guida invece di descrivere le categorie a parole: una foto chiude più discussioni di un paragrafo. Scrivi che cosa fare con le immagini ambigue, perché di immagini ambigue ce ne saranno. E ogni tanto fai etichettare allo stesso gruppo lo stesso lotto e confronta i risultati, così le derive si notano presto.

Per i dettagli di implementazione, vedi la documentazione sull'annotazione di immagini.

Prossimi passi

Impara l'annotazione con bounding box per l'object detection
Imposta l'annotazione con poligoni per la segmentazione
Esplora l'annotazione video per i task temporali

Documentazione completa sull'annotazione di immagini su Annotazione di Immagini.