Link to this sectionDatenvorbereitung#
Die Datenvorbereitung ist das Fundament erfolgreicher Computer Vision Modelle. Die Ultralytics Platform bietet umfassende Tools zur Verwaltung deiner Trainingsdaten, vom Hochladen über die Annotation bis hin zur Analyse.
Watch: Get Started with Ultralytics Platform - Data
Link to this sectionÜbersicht#
Der Datenbereich der Ultralytics Platform hilft dir bei Folgendem:
- Hochladen von Bildern, Videos und Dataset-Dateien (ZIP, TAR einschließlich
.tar.gz/.tgz, NDJSON) - Annotieren mit manuellen Zeichenwerkzeugen und KI-gestützter intelligenter Etikettierung via SAM – wähle zwischen SAM 2.1 oder dem neuen SAM 3
- Analysieren deiner Daten mit Statistiken und Visualisierungen
- Exportieren im NDJSON-Format für lokales Training
Link to this sectionWorkflow#
graph LR
A[Upload]:::start --> B[Annotate]:::proc
B --> C[Analyze]:::proc
C --> D[Train]:::out
classDef start fill:#4CAF50,color:#fff
classDef proc fill:#2196F3,color:#fff
classDef out fill:#9C27B0,color:#fff| Phase | Beschreibung |
|---|---|
| Upload | Importiere Bilder, Videos oder Archive mit automatischer Verarbeitung |
| Annotieren | Annotiere Daten mit manuellen Tools für alle 6 Aufgabentypen oder nutze SAM-Annotation für Erkennung, Segmentierung, semantische Segmentierung und OBB |
| Analysieren | Betrachte Klassenverteilungen, räumliche Heatmaps und Dimensionsstatistiken |
| Exportieren | Herunterladen im NDJSON-Format für die Offline-Nutzung |
Link to this sectionUnterstützte Aufgaben#
Die Ultralytics Platform unterstützt alle 6 YOLO-Aufgabentypen:
| Aufgabe | Beschreibung | Annotationstool |
|---|---|---|
| Detect | Objekterkennung mit Bounding Boxes | Rechteck-Tool |
| Segment | Instanzsegmentierung mit Pixelmasken | Polygon-Tool |
| Semantic | Semantische Segmentierung mit klassenspezifischen Pixelbereichen | Polygon-Tool |
| Pose | Keypoint-Schätzung mit integrierten und benutzerdefinierten Skelettvorlagen | Keypoint-Tool |
| OBB | Orientierte Bounding Boxes für rotierte Objekte | Tool für orientierte Boxen |
| Classify | Klassifizierung auf Bildebene | Klassenauswahl |
Der Aufgabentyp wird beim Erstellen eines Datasets festgelegt und bestimmt, welche Annotationstools verfügbar sind. Du kannst ihn später über den Aufgabenauswähler im Dataset-Header ändern, allerdings werden inkompatible Annotationen nach dem Umschalten nicht mehr angezeigt.
Link to this sectionHauptfunktionen#
Link to this sectionSmart Storage#
Die Ultralytics Platform verwendet Content-Addressable Storage (CAS) für eine effiziente Datenverwaltung:
- Deduplizierung: Identische Bilder werden dank XXH3-128 Hashing nur einmal gespeichert
- Integrität: Hash-basierte Adressierung stellt die Datenintegrität sicher
- Effizienz: Optimierte Speicherung und schnelle Verarbeitung
Link to this sectionDataset URIs#
Referenziere Datasets unter Verwendung des ul:// URI-Formats (siehe Verwendung von Platform Datasets):
yolo train data=ul://username/datasets/my-datasetDies ermöglicht das Training auf den Datasets der Platform von jedem Gerät aus, auf dem dein API key konfiguriert ist.
from ultralytics import YOLO
model = YOLO("yolo26n.pt")
model.train(data="ul://username/datasets/my-dataset", epochs=100)Link to this sectionDataset-Versionierung#
Erstelle unveränderliche NDJSON-Snapshots deines Datasets für reproduzierbares Training. Jede Version erfasst die Anzahl der Bilder, Klassen und Annotationen zum Zeitpunkt der Erstellung. Siehe Versions-Tab für Details.
Link to this sectionDatensatz-Tabs#
Dataset-Seiten können je nach Dataset-Status und deinen Berechtigungen bis zu sechs Tabs anzeigen:
| Tab | Beschreibung |
|---|---|
| Bilder | Durchsuche Bilder in der Raster-, Kompakt- oder Tabellenansicht mit Annotations-Overlays |
| Klassen | Anzeigen und Bearbeiten von Klassennamen, Farben und Label-Anzahlen pro Klasse |
| Diagramme | Automatische Statistiken: Split-Verteilung, Klassenanzahl, Heatmaps |
| Modelle | Modelle, die mit diesem Dataset trainiert wurden, inklusive Metriken und Status |
| Versionen | Erstelle und lade unveränderliche NDJSON-Snapshots für reproduzierbares Training herunter |
| Errors | Bilder, deren Verarbeitung fehlgeschlagen ist, inklusive Fehlerdetails und Hilfestellungen zur Behebung |
Classes und Charts erscheinen, wenn der Datensatz Bilder enthält. Errors erscheint nur, wenn Verarbeitungsfehler vorliegen. Versions erscheint für Eigentümer oder für Nicht-Eigentümer, wenn bereits Versionen existieren.
Link to this sectionClustering#
Erkunde dein Dataset als interaktives 2D-Streudiagramm, in dem visuell ähnliche Bilder nah beieinander liegen – nützlich, um Cluster, Duplikate und Ausreißer aufzudecken und zu untersuchen, wie Splits oder Klassen über deine Daten verteilt sind. Lasso einen Bereich im Diagramm, um die Galerie auf diese Bilder zu filtern. Siehe Clustering für Details.
Link to this sectionStatistiken und Visualisierung#
Der Charts-Tab bietet eine automatische Analyse, einschließlich:
- Split-Verteilung: Donut-Diagramm der Anzahl der Trainings-/Validierungs-/Testbilder
- Top-Klassen: Donut-Diagramm der am häufigsten vorkommenden Annotationsklassen
- Bildabmessungen: Histogramm der Verteilung von Bildbreite und -höhe (in Pixeln)
- Punkte pro Instanz: Verteilung der Anzahl von Polygon-Eckpunkten oder Keypoints (für Segmentierungs-/Pose-Datasets)
- Annotations-Positionen: 2D-Heatmap der Mittelpositionen der Bounding Boxes
- Bildabmessungen 2D: 2D-Heatmap von Breite vs. Höhe mit Hilfslinien für das Seitenverhältnis
Link to this sectionSchnellzugriff#
- Datasets: Hochladen, Verwalten und Exportieren deiner Trainingsdaten
- Annotation: Beschriften von Daten mit manuellen und KI-unterstützten Tools
- Cloud Training: Trainiere Modelle mit deinen annotierten Datasets
- Dataset URI: Nutze
ul://URIs, um von überall aus zu trainieren
Link to this sectionFAQ#
Link to this sectionWelche Dateiformate werden beim Hochladen unterstützt?#
Die Ultralytics Platform unterstützt:
Bilder: JPEG, PNG, WebP, BMP, TIFF, HEIC, AVIF, JP2, DNG, MPO (jeweils max. 50 MB)
Videos: MP4, WebM, MOV, MKV, M4V (max. 1 GB, Einzelbilder extrahiert bei 1 FPS, max. 100 Einzelbilder)
Dataset-Dateien: ZIP- oder TAR-Archive, einschließlich .tar.gz und .tgz (max. 10 GB bei Free, 20 GB bei Pro, 50 GB bei Enterprise), die Bilder mit optionalen Labels im YOLO-Format sowie NDJSON-Exporte enthalten
Link to this sectionWas ist die maximale Dataset-Größe?#
Die Speicherlimits hängen von deinem Plan ab:
| Plan | Speicherlimit |
|---|---|
| Kostenlos | 100 GB |
| Pro | 500 GB |
| Enterprise | Unbegrenzt |
Limits für einzelne Dateien: Bilder 50 MB, Videos 1 GB, Datasets 10 GB bei Free / 20 GB bei Pro / 50 GB bei Enterprise
Link to this sectionKann ich meine Platform-Datasets für lokales Training verwenden?#
Ja! Nutze das Dataset URI-Format für lokales Training:
export ULTRALYTICS_API_KEY="YOUR_API_KEY"
yolo train model=yolo26n.pt data=ul://username/datasets/my-dataset epochs=100Oder exportiere dein Dataset im NDJSON-Format für ein vollständig Offline-Training.