Link to this sectionDatensätze#

Ultralytics Platform Datasets bieten eine optimierte Lösung für die Verwaltung deiner Trainingsdaten. Nach dem Hochladen verarbeitet die Plattform Bilder, Labels und Statistiken automatisch. Ein Datensatz ist bereit für das Training, sobald die Verarbeitung abgeschlossen ist und er mindestens ein Bild im train-Split, mindestens ein Bild im val- oder test-Split, mindestens ein gelabeltes Bild sowie insgesamt mindestens zwei Bilder enthält.

Link to this sectionDatensatz hochladen#

Die Ultralytics Platform akzeptiert für mehr Flexibilität verschiedene Upload-Formate.

Link to this sectionUnterstützte Formate#

Link to this sectionVorbereitung deines Datensatzes#

Die Plattform unterstützt Ultralytics YOLO, COCO, Ultralytics NDJSON sowie Raw-Uploads (ohne Annotationen):

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

Details zu aufgabenspezifischen Formaten findest du unter unterstützte Aufgaben und in der Datasets Overview.

Link to this sectionUpload-Prozess#

1. Navigiere in der Seitenleiste zu Datasets
2. Klicke auf New Dataset oder ziehe Dateien in den Upload-Bereich
3. Wähle den Aufgabentyp aus (siehe unterstützte Aufgaben)
4. Füge einen Namen und eine optionale Beschreibung hinzu
5. Lege die Sichtbarkeit (öffentlich oder privat) und eine optionale Lizenz fest (siehe verfügbare Lizenzen)
6. Klicke auf Create & Upload (oder Create Dataset, falls du einen leeren Datensatz erstellst)

Nach dem Hochladen verarbeitet die Plattform deine Daten durch eine mehrstufige Pipeline:

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 skaliert (max. 4096px, Mindestdimension 28px)
3. Thumbnails: Es werden 256px WebP-Vorschauen generiert
4. Label-Parsing: Labels im YOLO- und COCO-Format werden extrahiert
5. Statistiken: Klassenvorverteilungen und Bildabmessungen werden berechnet

from ultralytics.data.utils import check_det_dataset

check_det_dataset("path/to/data.yaml")

Link to this sectionBilder durchsuchen#

Zeige deine Datensatzbilder in verschiedenen Layouts an.

Öffne das Clustering-Panel über die Toolbar der Galerie, um deinen Datensatz als interaktives 2D-Streudiagramm zu erkunden.

Link to this sectionSortieren und Filtern#

Bilder können für ein effizientes Browsen sortiert und gefiltert werden:

Link to this sectionVollbildanzeige#

Klicke auf ein beliebiges Bild, um die Vollbildanzeige zu öffnen mit:

• Navigation: Pfeiltasten oder Miniaturansichten zum Durchsuchen
• Metadaten: Dateiname, Abmessungen, Split-Badge, Anzahl der Anmerkungen
• Anmerkungen: Sichtbarkeit der Anmerkungs-Overlays umschalten
• Klassenaufschlüsselung: Anzahl der Labels pro Klasse mit Farbindikatoren
• Bearbeiten: Wechsle in den Anmerkungsmodus, um Labels hinzuzufügen oder zu ändern
• Herunterladen: Lade die originale Bilddatei herunter
• Löschen: Lösche das Bild aus dem Datensatz
• Zoom: Cmd/Ctrl+Scroll, Cmd/Ctrl++ oder Cmd/Ctrl+= zum Hineinzoomen und Cmd/Ctrl+- zum Herauszoomen
• Ansicht zurücksetzen: Cmd/Ctrl + 0 oder die Reset-Schaltfläche, um das Bild an den Viewer anzupassen
• Schwenken: Halte Space gedrückt und ziehe, um die Arbeitsfläche bei Zoom zu schwenken
• Pixelansicht: Schalte die pixelige Darstellung für eine genaue Inspektion ein

Link to this sectionNach Split filtern#

Bilder nach ihrem Datensatz-Split filtern:

Link to this sectionClustering#

Das Clustering-Panel projiziert deinen Datensatz in ein interaktives 2D-Streudiagramm, in dem visuell ähnliche Bilder eng beieinander liegen. Nutze es, um Cluster zu finden, Duplikate und Ausreißer zu entdecken und zu untersuchen, wie Splits oder Klassen über deine Daten verteilt sind – ohne die Galerie zu verlassen. Öffne es über das Streudiagramm-Symbol in der Galerie-Symbolleiste auf jeder Datensatzseite.

Link to this sectionAnalyse ausführen#

Starte eine Analyse:

1. Öffne einen Datensatz und klicke auf das Streudiagramm-Symbol in der Galerie-Symbolleiste
2. Klicke auf Analyze Dataset
3. Warte, bis der Fortschrittsbalken abgeschlossen ist – die Ergebnisse erscheinen im selben Panel

Die Analyse läuft im Hintergrund und kann je nach Größe deines Datensatzes einige Minuten dauern. Du kannst das Panel schließen oder die Seite verlassen und später zurückkehren.

Link to this sectionVisualisierung#

Sobald die Analyse abgeschlossen ist, zeigt das Panel ein 2D-Streudiagramm aller analysierten Bilder. Galerie-Filter (Split, Klasse, annotiert/nicht annotiert) dimmen Punkte außerhalb des Filters, sodass du dich auf die für dich relevante Untermenge konzentrieren kannst.

Link to this sectionFärben nach#

Ändere die Schattierung der Datenpunkte mit dem Color by-Dropdown in der Panel-Symbolleiste. Wechsle jederzeit zwischen den Ansichtsmodi – das Diagramm wird sofort neu eingefärbt, sodass du sehen kannst, wie Splits, Klassen oder Bildeigenschaften über deine Cluster verteilt sind:

Link to this sectionLasso-Auswahl#

Zeichne eine Freiform-Auswahl um einen Bereich, um Punkte im Diagramm hervorzuheben. Die Galerie filtert auf die passenden Bilder, sodass du sie mit den üblichen Bildoperationen prüfen, neu etikettieren, verschieben oder löschen kannst.

Link to this sectionSchwenken und Zoomen#

Navigiere große Streudiagramme direkt mit Maus und Tastatur:

Link to this sectionNeu analysieren#

Wenn sich dein Datensatz nach der Analyse ändert, erscheint für Eigentümer und Editoren oben im Panel eine Re-analyze-Schaltfläche.

Klicke auf Re-analyze, um Einbettungen und die 2D-Projektion von Grund auf neu zu berechnen.

Link to this sectionDatensatz-Tabs#

Jede Datensatzseite kann je nach Datensatzstatus und deinen Berechtigungen bis zu sechs Tabs anzeigen:

Link to this sectionBilder-Tab#

Die Standardansicht zeigt die Bildergalerie mit Anmerkungs-Overlays. Unterstützt Raster-, Kompakt- und Tabellenansichtsmodi. Ziehe Dateien per Drag & Drop hierher, um weitere Bilder hinzuzufügen.

Link to this sectionKlassen-Tab#

Dieser Tab erscheint, wenn der Datensatz Bilder enthält.

Verwalte Anmerkungsklassen für deinen Datensatz:

• Klassen-Histogramm: Balkendiagramm, das die Anzahl der Anmerkungen pro Klasse mit Umschalter für lineare/logarithmische Skalierung zeigt
• Klassentabelle: Sortierbare, durchsuchbare Tabelle mit Klassennamen, Label-Anzahl und Bildanzahl
• Klassennamen bearbeiten: Klicke auf einen Klassennamen, um ihn direkt umzubenennen
• Klassenfarben bearbeiten: Klicke auf ein Farbfeld, um die Klassenfarbe zu ändern
• Neue Klasse hinzufügen: Verwende das Eingabefeld unten, um Klassen hinzuzufügen

Link to this sectionRegisterkarte Diagramme#

Dieser Tab erscheint, wenn der Datensatz Bilder enthält.

Automatisch berechnete Statistiken aus deinem Datensatz:

Link to this sectionRegisterkarte Modelle#

Sieh dir alle mit diesem Datensatz trainierten Modelle in einer durchsuchbaren Tabelle an:

Link to this sectionRegisterkarte Fehler#

Diese Registerkarte erscheint nur, wenn eine oder mehrere Dateien bei der Verarbeitung fehlschlagen.

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

• Fehlerbanner: Gesamtzahl der fehlgeschlagenen Bilder und Hilfestellung
• Fehlertabelle: Dateiname, benutzerfreundliche Fehlerbeschreibung, Lösungshinweise und Vorschaubild
• Häufige Fehler sind beschädigte Dateien, nicht unterstützte Formate, zu kleine Bilder (mind. 28px) und nicht unterstützte Farbmodi

Link to this sectionRegisterkarte Versionen#

Erstelle unveränderliche NDJSON-Snapshots deines Datensatzes für reproduzierbares Training. Jede Version erfasst die Bildanzahl, Klassenanzahl, Annotationsanzahl und Dateigröße zum Zeitpunkt der Erstellung.

So erstellst du eine Version:

1. Öffne die Registerkarte Versionen
2. Gib optional eine Beschreibung ein (z. B. „500 Trainingsbilder hinzugefügt“ oder „Fehlerhaft gelabelte Klassen korrigiert“)
3. Klicke auf + New Version
4. Die neue Version erscheint in der Tabelle
5. Lade die Version bei Bedarf separat aus der Tabelle herunter

Jede Version wird fortlaufend nummeriert (v1, v2, v3...) und dauerhaft gespeichert. Du kannst jederzeit eine frühere Version aus der Versionstabelle herunterladen.

Link to this sectionDataset exportieren#

Exportiere deinen Datensatz für die Offline-Nutzung mit einem NDJSON-Download aus dem Datensatz-Header oder der Registerkarte Versionen.

So exportierst du:

1. Klicke auf die Download-Schaltfläche (Download-Symbol) im Datensatz-Header
2. Lade den aktuellen NDJSON-Snapshot direkt herunter
3. Verwende den Versions-Tab, wenn du einen unveränderlichen, nummerierten Snapshot möchtest, den du später erneut herunterladen kannst

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

{"type": "dataset", "task": "detect", "name": "my-dataset", "description": "...", "bytes": 12345678, "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"}

Siehe die Ultralytics NDJSON format documentation für die vollständige Spezifikation.

Link to this sectionBildoperationen#

Link to this sectionSchnellaktionen#

Klicke mit der rechten Maustaste auf ein beliebiges Bild in der Grid- oder Compact-Ansicht, um auf Schnellaktionen zuzugreifen:

Link to this sectionBulk Move to Split#

Ordne ausgewählte Bilder einem anderen Split innerhalb desselben Datasets zu:

1. Wechsle zur Table-Ansicht
2. Wähle Bilder über Checkboxen aus
3. Klicke mit der rechten Maustaste, um das Kontextmenü zu öffnen
4. Wähle Move to split > Train, Validation oder Test

Du kannst Bilder in der Grid-Ansicht auch per Drag-and-Drop auf die Split-Filter-Tabs ziehen.

Link to this sectionSplit-Umverteilung#

Verteile alle Bilder mittels benutzerdefinierter Verhältnisse auf Train-, Validation- und Test-Splits:

1. Klicke auf die Split-Leiste in der Dataset-Symbolleiste, um den Dialog Redistribute Splits zu öffnen
2. Passe die Split-Prozentsätze mit einer der unten genannten Methoden an
3. Überprüfe die Live-Vorschau der Bildanzahl, um die Verteilung zu bestätigen
4. Klicke auf Apply, um alle Bilder zufällig gemäß deinen Prozentsätzen neu zuzuordnen

Der Dialog bietet drei Möglichkeiten, deine Ziel-Split-Verhältnisse festzulegen:

Eine Live-Vorschau zeigt genau, wie viele Bilder in jedem Split landen, bevor du die Änderungen anwendest.

Link to this sectionBulk Delete#

Lösche mehrere Bilder gleichzeitig:

1. Wähle Bilder in der Tabellenansicht aus
2. Klicke mit der rechten Maustaste und wähle Delete
3. Bestätige das Löschen

Link to this sectionDataset URI#

Referenziere Platform-Datasets über das ul:// URI-Format (siehe Using Platform Datasets):

Verwende 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

Link to this sectionVerfügbare Lizenzen#

Die Platform unterstützt die folgenden Lizenzen für Datasets:

Link to this sectionSichtbarkeitseinstellungen#

Kontrolliere, wer dein Dataset sehen kann:

Die Sichtbarkeit wird beim Erstellen eines Datasets im New Dataset-Dialog über einen Schalter festgelegt. Öffentliche Datasets sind auf der Explore-Seite sichtbar.

Link to this sectionDataset bearbeiten#

Dataset-Metadaten werden direkt auf der Dataset-Seite inline bearbeitet — kein Dialog erforderlich:

• Name: Klicke auf den Namen des Datasets, um ihn zu bearbeiten. Änderungen werden beim Verlassen des Feldes oder durch Enter automatisch gespeichert.
• Beschreibung: Klicke auf die Beschreibung (oder den Platzhalter "Add a description..."), um sie zu bearbeiten. Änderungen werden automatisch gespeichert.
• Aufgabentyp: Klicke auf das Aufgaben-Badge, um einen anderen Aufgabentyp auszuwählen.
• Lizenz: Klicke auf die Lizenzauswahl, um die Dataset-Lizenz zu ändern.

Link to this sectionDataset klonen#

Wenn du einen öffentlichen Datensatz ansiehst, der dir nicht gehört, klicke auf Clone Dataset, um eine Kopie in deinem Arbeitsbereich zu erstellen. Der Klon enthält alle Bilder, Annotationen und Klassendefinitionen. Wenn der ursprüngliche Datensatz eine Copyleft-Lizenz hat, erbt der Klon diese und die Lizenzauswahl ist gesperrt.

Link to this sectionStern vergeben und teilen#

• Stern vergeben: Klicke auf die Stern-Schaltfläche, um einen Datensatz als Lesezeichen zu speichern. Die Anzahl der Sterne ist für alle Benutzer sichtbar.
• Teilen: Bei öffentlichen Datensätzen klicke auf die Teilen-Schaltfläche, um einen Link zu kopieren oder ihn auf sozialen Plattformen zu teilen.

Link to this sectionDataset löschen#

Lösche einen Datensatz, den du nicht mehr benötigst:

1. Öffne das Aktionsmenü für Datensätze
2. Klicke auf Delete
3. Bestätige im Dialogfeld: "Dies verschiebt [name] in den Papierkorb. Du kannst ihn innerhalb von 30 Tagen wiederherstellen."

Link to this sectionAuf Datensatz trainieren#

Starte das Training direkt von deinem Datensatz aus:

1. Klicke auf New Model auf der Datensatz-Seite
2. Wähle ein Projekt aus oder erstelle ein neues
3. Konfiguriere die Trainingsparameter
4. Starte das Training

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

Siehe Cloud Training für Details.

Link to this sectionFAQ#

Link to this sectionWas passiert nach dem Hochladen mit meinen Daten?#

Deine Daten werden in der von dir gewählten Region (US, EU oder AP) verarbeitet und gespeichert. Bilder werden wie folgt behandelt:

1. Validierung von Format und Größe
2. Ablehnung, wenn die Mindestdimension unter 28px liegt
3. Normalisierung, wenn sie größer als 4096px sind (unter Beibehaltung des Seitenverhältnisses; kodiert für optimierte Speicherung)
4. Speicherung mittels Content-Addressable Storage (CAS) mit XXH3-128 Hashing
5. Erstellung von Thumbnails im 256px WebP-Format für schnelles Durchsuchen

Link to this sectionWie funktioniert die Speicherung?#

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

• Deduplizierung: Identische Bilder, die von verschiedenen Benutzern hochgeladen wurden, werden nur einmal gespeichert
• Integrität: XXH3-128 Hashing stellt die Datenintegrität sicher
• Effizienz: Reduziert Speicherkosten und beschleunigt die Verarbeitung
• Regional: Daten verbleiben in deiner gewählten Region (US, EU oder AP)

Link to this sectionKann ich Bilder zu einem bestehenden Datensatz hinzufügen?#

Ja, ziehe Dateien per Drag-and-Drop auf die Datensatz-Seite oder nutze die Upload-Schaltfläche, um weitere Bilder hinzuzufügen. Neue Statistiken werden automatisch berechnet.

Link to this sectionWie verschiebe ich Bilder zwischen Splits?#

Verwende die Funktion zum massenhaften Verschieben in Splits:

1. Wähle Bilder in der Tabellenansicht aus
2. Mache einen Rechtsklick und wähle Move to split
3. Wähle den Ziel-Split (Train, Validation oder Test)

Link to this sectionWelche Label-Formate werden unterstützt?#

Die Ultralytics Plattform unterstützt YOLO Labels, COCO JSON, Ultralytics NDJSON und den Upload von Rohbildern:

Link to this sectionKann ich denselben Datensatz für mehrere Aufgabentypen annotieren?#

Ja. Jedes Bild speichert Annotationen für alle 6 Aufgabentypen (detect, segment, semantic, pose, OBB, classify) zusammen. Du kannst den aktiven Aufgabentyp des Datensatzes jederzeit ändern, ohne bestehende Annotationen zu verlieren. Nur Annotationen, die dem aktiven Aufgabentyp entsprechen, werden im Editor angezeigt und in Exporte sowie das Training einbezogen — Annotationen für andere Aufgaben bleiben erhalten und erscheinen wieder, wenn du zurückwechselst.