EUTO Labelme

内部成员使用企业微信登录。外部标注员先通过邀请链接注册账号,之后可用账号密码登录。

未登录 -
ID 任务名称 类型 图片数 状态 领取人 发布者 发布时间 操作
加载中...
首次标注或切换任务类型时,可先查看操作规范与提交前检查项。
文件名 大小 修改时间 操作
加载中...

数据批次

每个批次从清洗开始,依次进入标注、审核和训练数据冻结;这里是唯一查看批次状态与下一步的地方。

加载中...

手工发布

适用于本地文件夹 / zip 或无需经历数据清洗的历史任务。Barcode 客户数据请优先从“数据批次”发布,确保来源、审核和训练数据可追溯。

选择已注册定位模型后,任务类型会自动固定为“定位(LabelMe)”;不选则可发布通用识别或定位任务。
上传文件夹 / zip (本地预标后整目录上传, 图片直传 OSS)
识别任务: 选一个本地文件夹zip。里面要有 labels.txtlabels_new.txt + 图片文件。
labels 行格式: 图片路径<TAB>文本<TAB>置信度
也可以直接把文件夹.zip 拖到这里
未选择文件

从无感存图发布标注任务
当前仅开放已接入预标注适配器的数据类型;后续模型会在这里增加选项。
当前已接入模型均为四点定位任务,因此固定使用 LabelMe。
选项来自当前模型、客户、设备的已索引采集日期;开始和结束选择同一天即可精确筛选某一天。
正在计算...
只统计图片和同名 JSON 齐全、且尚未发布过的样本。
等待可发布总量计算完成。
多批时系统自动追加“(1/10)”等批次编号。
服务端根据 JSON 自动生成 OBB 预标注;无效图片或 JSON 会跳过并记录在发布结果中。

审核

这里只显示已提交的定位或识别任务;无论来自数据批次还是手工发布,审核通过后都可导出或进入该模型已接入的训练流程。

ID 任务名称 类型 提交人 提交时间 操作
加载中...

标注任务工作台

按处理阶段管理任务;从数据批次发布的任务会保留来源,可直接回到批次、审核或训练数据。

视图
ID 数据来源 任务 图片 / 类型 状态 领取人 发布时间 下一步
加载中...
训练数据工作台

从审核结果创建可复现训练版本

每次冻结都会保存选中任务的最终标注快照和训练/验证划分。划分会尽量覆盖客户 × 最终类别,同一连续采集序列不会被拆到两侧。

当前训练链路:Barcode1280 OBB
1
选择审核通过任务只选本轮新增、且尚未冻结的任务。
2
冻结数据版本生成不可变 OSS 数据包和覆盖报告。
3
验证数据或开始训练先验证数据链路,再由 GPU 执行真实训练。

1. 选择任务并冻结版本

只有审核通过的任务会出现;已冻结任务自动排除,避免重复进入训练集。

留空由系统生成;创建后不可覆盖。
当前训练集 + 验证集两份。
帮助后续回溯这一轮数据的目的。
ID已审核任务图片数发布时间
加载中...
冻结后数据和划分均不可修改。

2. 已冻结的数据版本

版本就绪后可下载归档,或交给 GPU worker 做数据验证与训练。

数据版本状态训练集验证集创建时间下一步
加载中...

3. 训练作业

“验证数据”仅检查下载、解压和训练命令,不占 GPU;真实训练会占用 GPU。

正在检查 GPU worker...
ID数据版本类型状态阶段创建时间
加载中...

自动化规则

启用后,后台会从该模型的新索引数据中自动创建数据批次、生成 LabelMe 预标注并发布标注任务。人工只需标注和审核;规则默认关闭。

启用开关会立即保存;启用前请先选择起始日期。触发数量就是每个自动数据批次的图片数:候选池积累到 N 张,系统便创建一批 N 张图片。每标注任务决定这一批再拆成多少个标注任务。自动训练阈值暂只记录配置,待各模型训练适配完成后启用。
模型启用起始日期触发数量 / 每批图片每标注任务自动训练阈值操作
加载中...
用户 已通过任务数 已通过图片总数
加载中...
文件名 大小 修改时间 操作
加载中...