Esportare le annotazioni per il machine learning
Come esportare le annotazioni di Potato in formati pronti per il ML, da JSON/JSONL a CoNLL, Hugging Face Datasets, spaCy, COCO e YOLO, e a cosa serve ciascuno.
Di solito si annota per addestrare o valutare un modello, quindi il formato di export conta. Potato scrive JSON/JSONL/CSV semplici e anche formati nativi per il ML che le pipeline di addestramento leggono direttamente, senza codice di raccordo. Scegliere il formato di destinazione prima di etichettare ti dice come strutturare dati e ID.
Per il riferimento, vedi Formati di Esportazione.
Scegli il formato adatto al lavoro
| Formato | Quando usarlo |
|---|---|
| JSON / JSONL | Uso generale, un record per elemento. Il default sicuro. |
| CSV | Fogli di calcolo e analisi rapide di etichette di classificazione. |
| CoNLL | Sequence labeling a livello di token (NER, chunking) con tag BIO. |
| Hugging Face Datasets | Caricamento diretto nell'addestramento con transformers. |
| spaCy | Addestramento di modelli spaCy per NER e classificazione del testo. |
| COCO / YOLO | Object detection e segmentazione a partire dall'annotazione di immagini. |
| Parquet | Archiviazione colonnare su larga scala e analisi. Vedi Esportazione Parquet. |
Impostare il formato di output
output_annotation_dir: "annotation_output/"
output_annotation_format: "jsonl" # json, csv, conll, ...Cosa finisce nell'export
Un record tipico porta con sé l'ID dell'elemento, il contenuto originale, le etichette di ogni annotatore e i metadati (chi, quando). Conservare le etichette di tutti gli annotatori invece del solo aggregato ti permette di calcolare l'accordo e di riaggregare in seguito con un metodo diverso.
Pianifica l'export prima di etichettare
Il formato di export vincola il modo in cui progetti l'input. Gli export per il sequence labeling richiedono una tokenizzazione coerente; COCO e YOLO richiedono le dimensioni delle immagini; Hugging Face richiede un insieme di etichette stabile. Decidi prima la destinazione, così non devi rifare lo studio. Vedi Progettare i formati dati per l'annotazione.