YOLO Annotator: herramienta de anotación offline con bbox, OBB y segmentación panoptic bajo GPL-3.0

El etiquetado de datos suele consumir más tiempo que el entrenamiento del modelo, y el autor de YOLO Annotator lo ha comprobado en la práctica. En un proyecto de detección de defectos en infraestructura viaria, su equipo pasó de los detectores a los modelos de segmentación y no encontró una herramienta adecuada. Así que escribió la suya: un anotador de escritorio, sin servidor, que cubre bbox, cuadros rotados, polígonos, máscaras y segmentación semántica y panoptic. El código se ha publicado bajo licencia GPL-3.0 y la exportación está pensada para YOLO, Detectron2 y Mask2Former.

Por qué hacía falta un «punto medio»

El proyecto arrancó con detección. Los modelos y la experiencia venían de un trabajo anterior, pero no bastaron para los defectos viales. Las grietas, los baches y los daños en el firme se describen mal con un rectángulo, así que el equipo recurrió a la segmentación. De inmediato surgió la pregunta de con qué anotar.

El autor divide las soluciones existentes en dos bandos. Las de servidor, como CVAT y Label Studio, pueden hacer casi todo, pero hay que desplegarlas y mantenerlas. Además, no son fáciles de aprender y exigen bastante hardware. Las de escritorio, como labelImg, se instalan en un minuto, pero en su mayoría solo dibujan rectángulos. Hacía falta un programa que se ejecutara en un portátil, no requiriera infraestructura y, aun así, permitiera anotar con polígonos.

Cómo fue ganando funciones la herramienta

La primera versión hacía bbox y polígonos. Después, los requisitos se fueron acumulando a medida que avanzaba el proyecto. Primero hicieron falta los cuadros rotados (OBB), luego las máscaras y después el modo multiusuario. Al final se añadieron la segmentación semántica y la panoptic. Cada ampliación arrastraba la cuestión de la exportación: los datos debían llegar al entrenamiento sin conversores manuales.

El anuncio en Habr enumera las funciones principales:

• anotación de bbox y de cuadros rotados (OBB);
• anotación con polígonos y máscaras;
• segmentación semántica y panoptic;
• modo multiusuario;
• exportación a formatos que YOLO, Detectron2 y Mask2Former aceptan sin adaptaciones (el titular declara soporte para YOLO y COCO);
• ejecución en un portátil, sin desplegar un servidor;
• código abierto, licencia GPL-3.0.

El autor detalla el funcionamiento interno del programa en el artículo completo. El anuncio no ofrece detalles de la arquitectura ni mediciones de velocidad de anotación ni comparaciones con CVAT.

Qué conviene tener en cuenta al elegir

El proyecto parece una herramienta surgida de una tarea real, y se nota en su conjunto de funciones. Necesita tanto OBB como panoptic. Son precisamente estos formatos los que suelen romper el pipeline cuando la herramienta de anotación sabe hacer una cosa y el framework de entrenamiento espera otra. Si su equipo es pequeño, trabaja en portátiles y se encuentra con una brecha similar entre labelImg y CVAT, merece la pena probar el anotador con una muestra piloto.

Antes de adoptarlo, compruebe tres cosas.

• Licencia. GPL-3.0 exige abrir las obras derivadas cuando se distribuyen. Para uso interno, normalmente no supone un problema, pero para integrarla en un producto comercial conviene consultarla con los abogados.
• Formato de exportación. Pase un conjunto pequeño por su pipeline de entrenamiento antes de anotar miles de fotogramas. Esto vale sobre todo para panoptic: los esquemas de categorías y de identificadores de instancia de Detectron2 y Mask2Former difieren en los detalles.
• Modo multiusuario. Está implementado sin servidor central. Conviene aclarar cómo combina el programa las anotaciones de varias personas y cómo resuelve los conflictos, sobre todo si necesita control de calidad y coherencia entre anotadores.

Para tareas en las que importan el acceso por roles, la revisión y la auditoría de cambios en equipos grandes, los sistemas de servidor siguen siendo la opción lógica. Para el resto de los casos, hay una alternativa ligera más.