YOLO Annotator: ferramenta offline de anotação com bbox, OBB e segmentação panóptica sob GPL-3.0

A anotação de dados costuma consumir mais tempo do que o treinamento do modelo, e o autor do YOLO Annotator comprovou isso na prática. Em um projeto de detecção de defeitos em infraestrutura rodoviária, a equipe passou de detectores para modelos de segmentação e não encontrou uma ferramenta adequada. Então escreveu a sua: um anotador desktop, sem servidor, que cobre bbox, caixas rotacionadas, polígonos, máscaras, além de segmentação semântica e panóptica. O código foi publicado sob a licença GPL-3.0, e a exportação foi pensada para YOLO, Detectron2 e Mask2Former.

Por que era preciso um «meio-termo»

O projeto começou pela detecção. Os modelos e a experiência vieram de um trabalho anterior, mas não bastaram para as tarefas com defeitos em estradas. Rachaduras, buracos e danos ao pavimento são mal descritos por um retângulo, e por isso a equipe recorreu à segmentação. Logo surgiu a pergunta: com o que anotar?

O autor divide as soluções existentes em dois campos. Os sistemas com servidor, como CVAT e Label Studio, fazem quase tudo, mas precisam ser implantados e mantidos. Eles não são simples de aprender e exigem bastante hardware. Já as ferramentas desktop, como o labelImg, instalam em um minuto, mas em sua maioria só desenham retângulos. Faltava um programa que rodasse no notebook, não exigisse infraestrutura e ainda oferecesse anotação por polígonos.

Como a ferramenta ganhou funções

A primeira versão fazia bbox e polígonos. Depois, os requisitos foram se acumulando ao longo do projeto. Primeiro vieram as caixas rotacionadas (OBB), depois as máscaras e em seguida o modo multiusuário. Por fim, foram adicionadas a segmentação semântica e a panóptica. Cada nova função trazia junto a questão da exportação: os dados precisam chegar ao treinamento sem conversores manuais.

O anúncio no Habr lista as principais funcionalidades:

• anotação de bbox e caixas rotacionadas (OBB);
• anotação por polígonos e máscaras;
• segmentação semântica e panóptica;
• modo multiusuário;
• exportação em formatos que YOLO, Detectron2 e Mask2Former aceitam sem ajustes (o título declara suporte a YOLO e COCO);
• execução no notebook, sem implantar servidor;
• código aberto, licença GPL-3.0.

O autor detalha o funcionamento interno do programa no artigo completo. O anúncio não traz detalhes de arquitetura, nem medições de velocidade de anotação ou comparação com o CVAT.

O que considerar na hora de escolher

O projeto parece uma ferramenta nascida de uma necessidade real, e isso aparece no conjunto de funções. Ele precisa tanto de OBB quanto de panoptic. São justamente esses formatos que costumam quebrar o pipeline quando o anotador entrega um e o framework de treinamento espera outro. Se a sua equipe é pequena, trabalha em notebooks e enfrenta uma lacuna parecida entre o labelImg e o CVAT, vale testar a ferramenta em uma amostra-piloto.

Antes de adotá-la, verifique três pontos.

• Licença. A GPL-3.0 exige abrir os trabalhos derivados na distribuição. Para uso interno, isso normalmente não é problema, mas, para incorporá-la a um produto comercial, é preciso alinhar com o jurídico.
• Formato de exportação. Rode um conjunto pequeno pelo seu pipeline de treinamento antes de anotar milhares de imagens. Isso vale sobretudo para panoptic: os esquemas de categorias e de identificadores de instância do Detectron2 e do Mask2Former diferem nos detalhes.
• Modo multiusuário. Ele funciona sem servidor central. Descubra como o programa consolida a anotação de várias pessoas e resolve conflitos, sobretudo se você precisa de controle de qualidade e consistência entre anotadores.

Para tarefas em que importam acesso por papéis, revisão e auditoria de alterações em equipes grandes, os sistemas com servidor continuam sendo a escolha lógica. Para os demais casos, surgiu mais uma opção leve.