O MakeSense oferece amplas opções de exportação de dados, permitindo que os resultados das anotações sejam salvos em vários formatos padrão, incluindo YOLO, VOC XML e CSV. Esse suporte a vários formatos garante que os conjuntos de dados anotados possam ser integrados perfeitamente aos fluxos de trabalho de treinamento para estruturas de deep learning convencionais, como TensorFlow, PyTorch e Keras. O formato YOLO é particularmente adequado para tarefas de detecção de objetos, enquanto o VOC XML é amplamente utilizado para conjuntos de dados padrão, como PASCAL VOC. O formato CSV facilita a análise e a visualização de dados.
A ferramenta também suporta a importação de arquivos de anotação existentes para modificação e edição, revelando-se altamente útil para a otimização iterativa de conjuntos de dados. Os usuários podem carregar arquivos de texto de anotação no formato YOLO ou arquivos VOC XML para refinar ainda mais as anotações ou adicionar novos objetos anotados no MakeSense. Essa compatibilidade bidirecional de dados aumenta significativamente a eficiência do fluxo de trabalho e as taxas de reutilização de dados, eliminando assim o trabalho redundante.
Essa resposta foi extraída do artigoMakeSense: uma ferramenta de anotação de imagens de uso gratuito para aumentar a eficiência do projeto de visão computacionalO
