Datenvorbereitung
Die Datenvorbereitung ist das Fundament für erfolgreiche 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
Übersicht
Der Bereich „Data“ der Ultralytics Platform hilft dir dabei:
- Hochladen von Bildern, Videos und Datensatz-Dateien (ZIP, TAR inklusive
.tar.gz/.tgz, NDJSON) - Annotieren mit manuellen Zeichenwerkzeugen und KI-gestützter Etikettierung mittels SAM – wähle zwischen SAM 2.1 oder dem neuen SAM 3
- Analysieren deiner Daten mit Statistiken und Visualisierungen
- Exportieren im NDJSON-Format für das lokale Training
Workflow
graph LR
A[Upload] --> B[Annotate]
B --> C[Analyze]
C --> D[Train]
style A fill:#4CAF50,color:#fff
style B fill:#2196F3,color:#fff
style C fill:#FF9800,color:#fff
style D fill:#9C27B0,color:#fff| Phase | Beschreibung |
|---|---|
| Hochladen | Importiere Bilder, Videos oder Archive mit automatischer Verarbeitung |
| Annotieren | Etikettiere Daten mit manuellen Werkzeugen für alle 5 Aufgabentypen oder nutze SAM-Annotation für Detect, Segment und OBB |
| Analysieren | Sieh dir Klassenhäufigkeiten, räumliche Heatmaps und Dimensionsstatistiken an |
| Exportieren | Download im NDJSON-Format für die Offline-Nutzung |
Unterstützte Aufgaben
Die Ultralytics Platform unterstützt alle 5 YOLO-Aufgabentypen:
| Aufgabe | Beschreibung | Annotationstool |
|---|---|---|
| Detect | Objekterkennung mit Bounding Boxes | Rechteck-Tool |
| Segment | Instanzsegmentierung mit Pixelmasken | Polygon-Tool |
| Pose | Keypoint-Schätzung mit integrierten und benutzerdefinierten Skelettvorlagen | Keypoint-Tool |
| OBB | Orientierte Bounding Boxes für gedrehte Objekte | Orientiertes Box-Tool |
| Classify | Klassifizierung auf Bildebene | Klassenauswahl |
Der Aufgabentyp wird beim Erstellen eines Datensatzes festgelegt und bestimmt, welche Annotationstools verfügbar sind. Du kannst ihn später über den Aufgabenauswähler im Header des Datensatzes ändern, aber inkompatible Annotationen werden nach dem Wechsel nicht mehr angezeigt.
Hauptmerkmale
Intelligente Speicherung
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
Datensatz-URIs
Referenziere Datensätze über das ul://-URI-Format (siehe Nutzung von Platform-Datensätzen):
yolo train data=ul://username/datasets/my-datasetDies ermöglicht das Training mit den Datensätzen 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)Datensatz-Versionierung
Erstelle unveränderliche NDJSON-Snapshots deines Datensatzes für reproduzierbares Training. Jede Version erfasst die Anzahl der Bilder, Klassen und Annotationen zum Zeitpunkt der Erstellung. Siehe Tab „Versionen“ für Details.
Datensatz-Tabs
Datensatz-Seiten können je nach Datensatzstatus und deinen Berechtigungen bis zu sechs Tabs anzeigen:
| Tab | Beschreibung |
|---|---|
| Bilder | Durchsuche Bilder in der Raster-, Kompakt- oder Tabellenansicht mit eingeblendeten Annotationen |
| Klassen | Ansehen und Bearbeiten von Klassennamen, Farben und Label-Anzahl pro Klasse |
| Diagramme | Automatische Statistiken: Split-Verteilung, Klassenzahlen, Heatmaps |
| Modelle | Modelle, die mit diesem Datensatz trainiert wurden, inklusive Metriken und Status |
| Versionen | Erstelle und lade unveränderliche NDJSON-Snapshots für reproduzierbares Training herunter |
| Fehler | Bilder, deren Verarbeitung fehlgeschlagen ist, inklusive Fehlerdetails und Hilfestellungen zur Korrektur |
Classes and Charts appear when the dataset has images. Errors appears only when processing failures exist. Versions appears for owners, or for non-owners when versions already exist.
Clustering
Erkunde deinen Datensatz als interaktives 2D-Streudiagramm, in dem visuell ähnliche Bilder nah beieinander liegen – nützlich, um Cluster, Duplikate und Ausreißer aufzudecken sowie zu prüfen, wie sich Splits oder Klassen über deine Daten verteilen. Umfahre einen Bereich des Diagramms mit dem Lasso, um die Galerie auf diese Bilder zu filtern. Siehe Clustering für Details.
Statistik und Visualisierung
The Charts tab provides automatic analysis including:
- Split-Verteilung: Donut-Diagramm der Anzahl von Train/Val/Test-Bildern
- Top-Klassen: Donut-Diagramm der am häufigsten vorkommenden Annotationsklassen
- Bildbreiten: Histogramm der Verteilung der Bildbreiten
- Bildhöhen: Histogramm der Verteilung der Bildhöhen
- Punkte pro Instanz: Verteilung der Anzahl von Polygon-Eckpunkten oder Keypoints (Segment/Pose-Datensätze)
- Annotationsorte: 2D-Heatmap der Mittelpositionen von Bounding Boxes
- Bilddimensionen: 2D-Heatmap von Breite vs. Höhe mit Hilfslinien für das Seitenverhältnis
Schnellzugriffe
- Datensätze: Hochladen, Verwalten und Exportieren deiner Trainingsdaten
- Annotation: Etikettiere Daten mit manuellen und KI-unterstützten Werkzeugen
- Cloud-Training: Trainiere Modelle mit deinen annotierten Datensätzen
- Datensatz-URI: Nutze
ul://-URIs, um von überall zu trainieren
FAQ
Welche Dateiformate werden beim Hochladen unterstützt?
Die Ultralytics Platform unterstützt:
Bilder: JPEG, PNG, WebP, BMP, TIFF, HEIC, AVIF, JP2, DNG, MPO (max. 50 MB pro Datei)
Videos: MP4, WebM, MOV, AVI, MKV, M4V (max. 1 GB, Frames extrahiert bei 1 FPS, max. 100 Frames)
Datensatz-Dateien: ZIP- oder TAR-Archive inklusive .tar.gz und .tgz (max. 10 GB bei Free, 20 GB bei Pro, 50 GB bei Enterprise), die Bilder mit optionalen YOLO-Format-Labels sowie NDJSON-Exporte enthalten
Was ist die maximale Datensatzgröße?
Speicherlimits hängen von deinem Plan ab:
| Plan | Speicherlimit |
|---|---|
| Kostenlos | 100 GB |
| Pro | 500 GB |
| Enterprise | Unbegrenzt |
Individuelle Dateilimits: Bilder 50 MB, Videos 1 GB, Datensätze 10 GB bei Free / 20 GB bei Pro / 50 GB bei Enterprise
Kann ich meine Platform-Datensätze für lokales Training verwenden?
Ja! Nutze das Datensatz-URI-Format, um lokal zu trainieren:
export ULTRALYTICS_API_KEY="YOUR_API_KEY"
yolo train model=yolo26n.pt data=ul://username/datasets/my-dataset epochs=100Oder exportiere deinen Datensatz im NDJSON-Format für ein vollständig offline durchgeführtes Training.