Ultralytics Platform

Ultralytics Platform ist eine umfassende End-to-End-Computer-Vision-Plattform, die den gesamten ML-Workflow von der Datenvorbereitung bis zur Modellbereitstellung optimiert. Entwickelt für Teams und Einzelpersonen, die produktionsreife Computer-Vision-Lösungen ohne komplexe Infrastruktur benötigen.

Was ist die Ultralytics Platform?

Die Ultralytics Platform wurde entwickelt, um fragmentierte ML-Tools durch eine einheitliche Lösung zu ersetzen. Sie vereint die Funktionen von:

• Roboflow – Datenverwaltung und Annotation
• Weights & Biases – Experiment-Tracking
• SageMaker – Cloud-Training
• HuggingFace – Modellbereitstellung
• Arize – Überwachung

Alles auf einer Plattform mit nativer Unterstützung für YOLO26 und YOLO11 Modelle.

Workflow: Hochladen → Annotieren → Trainieren → Exportieren → Bereitstellen

Die Plattform bietet einen durchgängigen Workflow:

graph LR
    subgraph Data["📁 Data"]
        A[Upload] --> B[Annotate]
        B --> C[Analyze]
    end
    subgraph Train["🚀 Train"]
        D[Configure] --> E[Train on GPU]
        E --> F[View Metrics]
    end
    subgraph Deploy["🌐 Deploy"]
        G[Export] --> H[Deploy Endpoint]
        H --> I[Monitor]
    end
    Data --> Train --> Deploy

Was du tun kannst:

• Hochladen von Bildern, Videos und Datensatzdateien zur Erstellung von Trainingsdatensätzen
• Visualisieren von Annotationen mit interaktiven Overlays für alle 5 YOLO Aufgabentypen (siehe unterstützte Aufgaben)
• Trainieren von Modellen auf Cloud GPUs (22 in allen Plänen, 24 mit Pro oder Enterprise für B200 und B300) mit Echtzeit-Metriken
• Exportieren in 17 Bereitstellungsformate (ONNX, TensorRT, CoreML, TFLite, etc.)
• Bereitstellen in 43 globalen Regionen mit dedizierten Ein-Klick-Endpunkten
• Überwachen des Trainingsfortschritts, der Bereitstellungsgesundheit und der Nutzungsmetriken
• Zusammenarbeiten, indem du Projekte und Datensätze für die Community öffentlich machst

Multi-Region-Infrastruktur

Deine Daten bleiben in deiner Region. Die Ultralytics Platform betreibt Infrastruktur in drei globalen Regionen:

Du wählst deine Region beim Onboarding aus, und alle deine Daten, Modelle und Bereitstellungen verbleiben in dieser Region.

Hauptfunktionen

Datenvorbereitung

• Datensatzverwaltung: Hochladen von Bildern, Videos oder Datensatzdateien mit automatischer Verarbeitung
• Annotations-Editor: Manuelle Annotation für alle 5 YOLO Aufgabentypen (detect, segment, pose, OBB, classify; siehe unterstützte Aufgaben)
• Skelett-Vorlagen: Integrierte (Person, Hand, Gesicht, Hund, Box) und benutzerdefinierte Skelett-Vorlagen für Ein-Klick-Pose-Annotation
• Smart Annotation: Nutze SAM 2.1 (Tiny, Small, Base, Large), SAM 3, vortrainierte Ultralytics YOLO Modelle oder deine eigenen feinabgestimmten YOLO Modelle aus der Annotations-Symbolleiste für Detect-, Segment- und OBB-Aufgaben
• Datensatz-Versionierung: Erstelle nummerierte NDJSON-Snapshots mit Beschreibungen für reproduzierbares Training
• Statistiken: Klassenverteilung, Standort-Heatmaps und Dimensionsanalyse

graph LR
    A[Upload Dataset/Images/Video] --> B[Auto-Process]
    B --> C[Browse & Filter]
    C --> D{Annotate}
    D --> E[Manual Tools]
    D --> F[SAM Smart]
    D --> G[YOLO Auto-Label]
    E --> H[Train-Ready Dataset]
    F --> H
    G --> H

Modelltraining

• Cloud-Training: Trainiere auf Cloud GPUs (22 in allen Plänen, 24 mit Pro oder Enterprise für B200 und B300) mit Echtzeit-Metriken
• Remote-Training: Trainiere überall und streame Metriken an die Plattform (W&B-Stil)
• Projektorganisation: Gruppiere zugehörige Modelle, vergleiche Experimente, verfolge Aktivitäten
• 17 Exportformate: ONNX, TensorRT, CoreML, TFLite und mehr (siehe unterstützte Formate)

Du kannst Modelle entweder über das Web-UI (Cloud-Training) oder von deiner eigenen Maschine aus (Remote-Training) trainieren:

Bereitstellung

• Inferenz-Test: Teste Modelle direkt im Browser mit benutzerdefinierten Bildern
• Dedizierte Endpunkte: Bereitstellung in 43 globalen Regionen mit standardmäßiger Skalierung auf Null (eine aktive Instanz)
• Überwachung: Echtzeit-Metriken, Anfrageprotokolle und Leistungs-Dashboards

graph LR
    A[Trained Model] --> B{Action}
    B --> C[Browser Predict]
    B --> D[Export Format]
    B --> E[Deploy Endpoint]
    D --> F[ONNX / TensorRT / CoreML / TFLite / ...]
    E --> G[43 Global Regions]
    G --> H[API Endpoint URL]
    H --> I[Monitor & Scale]

Sobald die Bereitstellung erfolgt ist, rufe deinen Endpunkt aus einer beliebigen Sprache auf:

import requests

url = "https://your-endpoint-url/predict"
headers = {"Authorization": "Bearer YOUR_API_KEY"}

with open("image.jpg", "rb") as f:
    response = requests.post(url, headers=headers, files={"file": f})

print(response.json())

Kontoverwaltung

• Teams & Organisationen: Zusammenarbeit mit Teammitgliedern, Verwaltung von Rollen und Einladungen
• API-Schlüssel: Sichere Schlüsselverwaltung für Remote-Training und API-Zugriff
• Guthaben & Abrechnung: Pay-as-you-go-Training mit transparenter Preisgestaltung
• Aktivitätsfeed: Verfolge alle Kontoereignisse und Aktionen
• Papierkorb & Wiederherstellung: 30-tägiges Soft-Delete mit Wiederherstellung von Elementen
• DSGVO-Konformität: Datenexport und Kontolöschung

Quick Links

Erste Schritte mit diesen Ressourcen:

• Quickstart: Erstelle dein erstes Projekt und trainiere ein Modell in wenigen Minuten
• Datensätze: Lade deine Trainingsdaten hoch und verwalte sie
• Annotation: Beschrifte deine Daten mit manuellen und KI-gestützten Tools
• Projekte: Organisiere deine Modelle und Experimente
• Cloud-Training: Trainiere auf Cloud-GPUs
• Inference: Teste deine Modelle
• Endpoints: Bereitstellung von Modellen für die Produktion
• Überwachung: Verfolge die Leistung der Bereitstellung
• API-Schlüssel: Verwalte den API-Zugriff
• Abrechnung: Guthaben und Zahlung
• Aktivität: Verfolge Kontoereignisse
• Papierkorb: Gelöschte Elemente wiederherstellen
• REST API: API-Referenz

FAQ

Wie fange ich mit der Ultralytics Platform an?

Um mit der Ultralytics Platform zu beginnen:

1. Registrieren: Erstelle ein Konto unter platform.ultralytics.com
2. Region wählen: Wähle während des Onboardings deine Datenregion (US, EU oder AP)
3. Datensatz hochladen: Navigiere zum Bereich Datensätze, um deine Daten hochzuladen
4. Modell trainieren: Erstelle ein Projekt und starte das Training auf Cloud-GPUs
5. Bereitstellen: Teste dein Modell und stelle es auf einem dedizierten Endpunkt bereit

Ein detailliertes Handbuch findest du auf der Quickstart-Seite.

Was sind die Vorteile der Ultralytics Platform?

Die Ultralytics Platform bietet:

• Einheitlicher Workflow: Daten, Training und Bereitstellung an einem Ort
• Multi-Region: Datenresidenz in US-, EU- oder AP-Regionen
• No-Code-Training: Trainiere fortschrittliche YOLO-Modelle, ohne Code zu schreiben
• Echtzeit-Metriken: Streame den Trainingsfortschritt und überwache Bereitstellungen
• 43 Bereitstellungsregionen: Stelle Modelle in der Nähe deiner Nutzer weltweit bereit
• 5 Aufgabentypen: Unterstützung für Erkennung, Segmentierung, Pose, OBB und Klassifizierung (siehe Aufgaben-Doku)
• KI-gestützte Annotation: Smarte Annotation mit SAM- und YOLO-Modellen zur Beschleunigung der Datenvorbereitung

Welche GPU-Optionen stehen für das Cloud-Training zur Verfügung?

Die Ultralytics Platform unterstützt mehrere GPU-Typen für das Cloud-Training:

Siehe Cloud Training für die vollständige Preisübersicht und GPU-Optionen.

Wie funktioniert das Remote-Training?

Du kannst Modelle auf deiner eigenen Hardware trainieren und Echtzeit-Metriken an die Plattform streamen, ähnlich wie bei Weights & Biases.

pip install "ultralytics>=8.4.35"

# Set your API key
export ULTRALYTICS_API_KEY="YOUR_API_KEY"

# Train with project/name to stream metrics
yolo train model=yolo26n.pt data=coco.yaml epochs=100 project=username/my-project name=exp1

Siehe Cloud Training für weitere Details zum Remote-Training.

Welche Annotationswerkzeuge stehen zur Verfügung?

Die Plattform enthält einen voll ausgestatteten Annotations-Editor, der Folgendes unterstützt:

• Manuelle Werkzeuge: Begrenzungsrahmen (BBoxes), Polygone, Keypoints mit Skelett-Vorlagen, orientierte Boxen, Klassifizierung
• Skelett-Vorlagen: Platziere alle Keypoints auf einmal mit integrierten (Person, Hand, Gesicht, Hund, Box) oder benutzerdefinierten Vorlagen
• Intelligente Annotation: Nutze SAM 2.1 oder SAM 3 für klickbasierte Annotationen oder führe vortrainierte Ultralytics YOLO-Modelle und deine eigenen feinabgestimmten YOLO-Modelle aus der Werkzeugleiste für Erkennung (Detect), Segmentierung (Segment) und OBB aus
• Tastaturkürzel: Effiziente Arbeitsabläufe mit Hotkeys

Siehe Annotation für den vollständigen Leitfaden.

Welche Exportformate werden unterstützt?

Die Plattform unterstützt 17 Bereitstellungsformate:

Siehe Modell-Export, den Export-Modus-Leitfaden und den Integrationsindex für formatspezifische Optionen.

Fehlerbehebung

Datensatzprobleme

Trainingsprobleme

Bereitstellungsprobleme

Häufige Fragen