Datensätze

Ultralytics Platform-Datensätze bieten eine optimierte Lösung zur Verwaltung Ihrer Trainingsdaten. Nach dem Upload können Datensätze sofort für das Modelltraining verwendet werden, mit automatischer Verarbeitung und Statistikgenerierung.

Datensatz hochladen

Ultralytics akzeptiert mehrere Upload-Formate und bietet somit Flexibilität.

Unterstützte Formate

Vorbereitung Ihres Datensatzes

Die Plattform unterstützt zwei Annotationsformate sowie Rohdaten-Uploads: Ultralytics YOLO, COCOund Rohdaten (nicht annotierte Bilder):

my-dataset/
├── images/
│   ├── train/
│   │   ├── img001.jpg
│   │   └── img002.jpg
│   └── val/
│       ├── img003.jpg
│       └── img004.jpg
├── labels/
│   ├── train/
│   │   ├── img001.txt
│   │   └── img002.txt
│   └── val/
│       ├── img003.txt
│       └── img004.txt
└── data.yaml

# data.yaml
path: .
train: images/train
val: images/val

names:
    0: person
    1: car
    2: dog

my-coco-dataset/
├── train/
│   ├── _annotations.coco.json
│   ├── img001.jpg
│   └── img002.jpg
└── val/
    ├── _annotations.coco.json
    ├── img003.jpg
    └── img004.jpg

{
    "images": [{ "id": 1, "file_name": "img001.jpg", "width": 640, "height": 480 }],
    "annotations": [{ "id": 1, "image_id": 1, "category_id": 0, "bbox": [100, 50, 200, 300] }],
    "categories": [{ "id": 0, "name": "person" }]
}

Einzelheiten zum aufgabenspezifischen Format finden Sie unter „Unterstützte Aufgaben “ und „Übersicht über Datensätze“.

Upload-Prozess

1. Navigieren zu Datasets in der Seitenleiste
2. Klicken New Dataset oder ziehen Sie Dateien in den Upload-Bereich
3. Wählen Sie den Aufgabentyp aus (siehe unterstützte Aufgaben).
4. Fügen Sie einen Namen und eine optionale Beschreibung hinzu
5. Sichtbarkeit festlegen (öffentlich oder privat) und optionale Lizenz (siehe verfügbare Lizenzen)
6. Klicken Create

Nach dem Hochladen verarbeitet die Plattform Ihre Daten in einem mehrstufigen Prozess:

graph LR
    A[Upload] --> B[Validate]
    B --> C[Normalize]
    C --> D[Thumbnail]
    D --> E[Parse Labels]
    E --> F[Statistics]

    style A fill:#4CAF50,color:#fff
    style B fill:#2196F3,color:#fff
    style C fill:#2196F3,color:#fff
    style D fill:#2196F3,color:#fff
    style E fill:#2196F3,color:#fff
    style F fill:#9C27B0,color:#fff

1. Validierung: Format- und Größenprüfungen
2. Normalisierung: Große Bilder werden in der Größe angepasst (max. 4096 px, Mindestgröße 28 px)
3. Miniaturansichten: 256px WebP-Vorschauen generiert
4. Label-Parsing: YOLO und COCO -Labels extrahiert
5. Statistik: Klassenverteilungen und Bildabmessungen berechnet

from ultralytics.hub import check_dataset

check_dataset("path/to/dataset.zip", task="detect")

Bilder durchsuchen

Zeigen Sie Ihre Datensatzbilder in verschiedenen Layouts an:

Sortieren und Filtern

Bilder können sortiert und gefiltert werden, um das Durchsuchen zu optimieren:

Vollbild-Viewer

Klicken Sie auf ein beliebiges Bild, um den Vollbild-Viewer zu öffnen mit:

• Navigation: Pfeiltasten oder Miniaturansichten zum Durchsuchen
• Metadaten: Dateiname, Abmessungen, geteilte Kennzeichnung, Anzahl der Anmerkungen
• Anmerkungen: Sichtbarkeit der Anmerkungsüberlagerung umschalten
• Klassenaufschlüsselung: Anzahl der Labels pro Klasse mit Farbindikatoren
• Bearbeiten: Rufen Sie den Anmerkungsmodus auf, um Beschriftungen hinzuzufügen oder zu ändern.
• Download: Laden Sie die Originalbilddatei herunter.
• Löschen: Löschen Sie das Bild aus dem Datensatz.
• Zoom: Cmd/Ctrl+Scroll vergrößern/verkleinern
• Pixelansicht: Pixelierte Darstellung für genaue Betrachtung ein-/ausschalten

Nach Split filtern

Bilder nach ihrem Dataset-Split filtern:

Datenbank-Registerkarten

Jede Datensatzseite verfügt über fünf Registerkarten, die über die Registerkartenleiste zugänglich sind:

Registerkarte „Bilder“

Die Standardansicht zeigt die Bildergalerie mit Anmerkungen. Unterstützt die Ansichtsmodi „Raster“, „Kompakt“ und „Tabelle“. Ziehen Sie Dateien hierher, um weitere Bilder hinzuzufügen.

Registerkarte „Klassen“

Verwalten Sie Annotationsklassen für Ihren Datensatz:

• Klassenhistogramm: Balkendiagramm, das die Anzahl der Anmerkungen pro Klasse mit Umschaltfunktion für lineare/logarithmische Skala anzeigt
• Klassentabelle: Sortierbare, durchsuchbare Tabelle mit Klassennamen, Anzahl der Beschriftungen und Anzahl der Bilder
• Klassennamen bearbeiten: Klicken Sie auf einen beliebigen Klassennamen, um ihn inline umzubenennen.
• Klassenfarben bearbeiten: Klicken Sie auf ein Farbfeld, um die Klassenfarbe zu ändern.
• Neue Klasse hinzufügen: Verwenden Sie das Eingabefeld unten, um Klassen hinzuzufügen.

Registerkarte „Diagramme“

Automatisch aus Ihrem Datensatz berechnete Statistiken:

Registerkarte „Modelle“

Alle Modelle, die mit diesem Datensatz trainiert wurden, in einer durchsuchbaren Tabelle anzeigen:

Registerkarte „Fehler“

Bilder, deren Verarbeitung fehlgeschlagen ist, werden hier mit folgenden Angaben aufgelistet:

• Fehlerbanner: Gesamtzahl der fehlgeschlagenen Bilder und Anleitung
• Fehlertabelle: Dateiname, benutzerfreundliche Fehlerbeschreibung, Korrekturhinweise und Vorschaubild
• Häufige Fehler sind beschädigte Dateien, nicht unterstützte Formate, zu kleine Bilder (mindestens 28 Pixel) und nicht unterstützte Farbmodi.

Datensatz exportieren

Exportieren Sie Ihren Datensatz im NDJSON -Format für die Offline-Nutzung:

1. Klicken Sie auf das Download-Symbol in der Kopfzeile des Datensatzes.
2. Die NDJSON-Datei wird automatisch heruntergeladen.

Das NDJSON-Format speichert ein JSON-Objekt pro Zeile. Die erste Zeile enthält Metadaten zum Datensatz, gefolgt von einer Zeile pro Bild:

{"type": "dataset", "task": "detect", "name": "my-dataset", "description": "...", "url": "https://platform.ultralytics.com/...", "class_names": {"0": "person", "1": "car"}, "version": 1, "created_at": "2026-01-15T10:00:00Z", "updated_at": "2026-02-20T14:30:00Z"}
{"type": "image", "file": "img001.jpg", "url": "https://...", "width": 640, "height": 480, "split": "train", "annotations": {"boxes": [[0, 0.5, 0.5, 0.2, 0.3]]}}
{"type": "image", "file": "img002.jpg", "url": "https://...", "width": 1280, "height": 720, "split": "val"}

Die vollständige Spezifikation finden Sie in der Ultralytics NDJSON-Formatdokumentation.

Massenoperationen

Verwalten Sie Bilder in großen Mengen über das Kontextmenü der Tabellenansicht:

Umzug nach Split

Wählen Sie die gewünschten Bilder aus und ordnen Sie sie einer anderen Aufteilung innerhalb desselben Datensatzes zu:

1. Zur Tabellenansicht wechseln
2. Bilder über Kontrollkästchen auswählen
3. Rechtsklick zum Öffnen des Kontextmenüs
4. Wählen Sie Move to split > Trainieren, Validierung, oder Test

Sie können Bilder auch per Drag & Drop auf die geteilten Filterregisterkarten in der Rasteransicht ziehen.

Massenlöschung

Mehrere Bilder gleichzeitig löschen:

1. Bilder in der Tabellenansicht auswählen
2. Rechtsklick und auswählen Delete
3. Löschung bestätigen

Datensatz-URI

Referenzieren Sie Plattform-Datensätze mit dem ul:// URI-Format (siehe Nutzung von Plattform-Datensätzen):

ul://username/datasets/dataset-slug

Verwenden Sie diese URI, um Modelle von überall aus zu trainieren:

export ULTRALYTICS_API_KEY="your_api_key"
yolo train model=yolo26n.pt data=ul://username/datasets/my-dataset epochs=100

from ultralytics import YOLO

model = YOLO("yolo26n.pt")
model.train(data="ul://username/datasets/my-dataset", epochs=100)

Verfügbare Lizenzen

Die Plattform unterstützt die folgenden Lizenzen für Datensätze:

Sichtbarkeitseinstellungen

Kontrollieren Sie, wer Ihren Datensatz sehen kann:

Die Sichtbarkeit wird beim Erstellen eines Datensatzes in der New Dataset Dialogfeld mithilfe eines Umschalters. Öffentliche Datensätze sind sichtbar auf der Erkunden Seite.

Datensatz bearbeiten

Die Metadaten des Datensatzes werden direkt auf der Datensatzseite inline bearbeitet – es ist kein Dialogfeld erforderlich:

• NameKlicken Sie auf den Namen des Datensatzes, um ihn zu bearbeiten. Änderungen werden beim Verlassen des Fensters automatisch gespeichert. Enter.
• Beschreibung: Klicken Sie auf die Beschreibung (oder den Platzhalter „Beschreibung hinzufügen...“), um sie zu bearbeiten. Änderungen werden automatisch gespeichert.
• Aufgabentyp: Klicken Sie auf das Aufgaben-Symbol, um einen anderen Aufgabentyp auszuwählen.
• Lizenz: Klicken Sie auf die Lizenzauswahl, um die Lizenz für den Datensatz zu ändern.

Datensatz klonen

Wenn Sie einen öffentlichen Datensatz anzeigen, der Ihnen nicht gehört, klicken Sie auf Clone Dataset um eine Kopie in Ihrem Arbeitsbereich zu erstellen. Der Klon enthält alle Bilder, Anmerkungen und Klassendefinitionen. Wenn der ursprüngliche Datensatz eine Copyleft-Lizenz hat, wird diese vom Klon übernommen und die Lizenzauswahl ist gesperrt.

Stern und Teilen

• Stern: Klicken Sie auf die Stern-Schaltfläche, um einen Datensatz mit einem Lesezeichen zu versehen. Die Anzahl der Sterne ist für alle Benutzer sichtbar.
• Teilen: Bei öffentlichen Datensätzen klicken Sie auf die Schaltfläche „Teilen“, um einen Link zu kopieren oder auf sozialen Plattformen zu teilen.

Datensatz löschen

Ein nicht mehr benötigtes Dataset löschen:

1. Öffnen Sie das Aktionsmenü des Datensatzes
2. Klicken Delete
3. Bestätigen Sie im Dialogfeld: „Dadurch wird [Name] in den Papierkorb verschoben. Sie können es innerhalb von 30 Tagen wiederherstellen.“

Auf Datensatz trainieren

Training direkt von Ihrem Dataset starten:

1. Klicken New Model auf der Datensatzseite
2. Ein Projekt auswählen oder ein neues erstellen
3. Trainingsparameter konfigurieren
4. Training starten

graph LR
    A[Dataset] --> B[New Model]
    B --> C[Select Project]
    C --> D[Configure]
    D --> E[Start Training]

    style A fill:#2196F3,color:#fff
    style E fill:#4CAF50,color:#fff

Details finden Sie unter Cloud-Training.

FAQ

Was passiert mit meinen Daten nach dem Upload?

Ihre Daten werden in der von Ihnen ausgewählten Region (US, EU oder AP) verarbeitet und gespeichert. Bilder sind:

1. Auf Format und Größe validiert
2. Abgelehnt, wenn die Mindestgröße unter 28 px liegt.
3. Normalisiert, wenn größer als 4096px (unter Beibehaltung des Seitenverhältnisses; für optimierte Speicherung codiert)
4. Gespeichert unter Verwendung von Content-Addressable Storage (CAS) mit XXH3-128-Hashfunktion
5. Miniaturansichten mit 256 px WebP für schnelles Browsen

Wie funktioniert die Speicherung?

Die Ultralytics Plattform verwendet Content-Addressable Storage (CAS) für eine effiziente Speicherung:

• Deduplizierung: Identische Bilder, die von verschiedenen Benutzern hochgeladen werden, werden nur einmal gespeichert
• Integrität: XXH3-128-Hashfunktion gewährleistet Datenintegrität
• Effizienz: Reduziert Speicherkosten und beschleunigt die Verarbeitung
• Regional: Daten bleiben in Ihrer ausgewählten Region (US, EU oder AP)

Kann ich einem bestehenden Datensatz Bilder hinzufügen?

Ja, ziehen Sie Dateien per Drag & Drop auf die Datensatzseite oder verwenden Sie die Schaltfläche „Hochladen“, um weitere Bilder hinzuzufügen. Neue Statistiken werden automatisch berechnet.

Wie verschiebe ich Bilder zwischen Spalten?

Verwenden Sie die Funktion „Bulk Move-to-Split“:

1. Bilder in der Tabellenansicht auswählen
2. Rechtsklick und auswählen Move to split
3. Wählen Sie die Zielaufteilung aus (Trainieren, Validieren oder Testen).

Welche Label-Formate werden unterstützt?

Ultralytics unterstützt zwei Annotationsformate für den Upload:

📅 Erstellt vor 1 Monat ✏️ Aktualisiert vor 5 Tagen

Kommentare