Link to this sectionPreparación de datos#
La preparación de datos es la base de unos modelos de computer vision exitosos. La Ultralytics Platform proporciona herramientas completas para gestionar tus datos de entrenamiento, desde la carga hasta el análisis, pasando por el etiquetado.
Watch: Get Started with Ultralytics Platform - Data
Link to this sectionVisión general#
La sección de Datos de la Ultralytics Platform te ayuda a:
- Subir imágenes, vídeos y archivos de datasets (ZIP, TAR incluidos
.tar.gz/.tgz, NDJSON) - Etiquetar con herramientas de dibujo manual y etiquetado inteligente basado en SAM: elige entre SAM 2.1 o el nuevo SAM 3
- Analizar tus datos con estadísticas y visualizaciones
- Exportar en formato NDJSON para entrenamiento local
Link to this sectionFlujo de trabajo#
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| Etapa | Descripción |
|---|---|
| Subir | Importa imágenes, vídeos o archivos con procesamiento automático |
| Anotar | Etiqueta datos con herramientas manuales para los 6 tipos de tareas, o usa el etiquetado SAM para detect, segment, semantic y OBB |
| Analizar | Consulta distribuciones de clases, mapas de calor espaciales y estadísticas de dimensiones |
| Exportar | Descarga en formato NDJSON para uso sin conexión |
Link to this sectionTareas admitidas#
La Ultralytics Platform admite los 6 tipos de tareas de YOLO:
| Tarea | Descripción | Herramienta de anotación |
|---|---|---|
| Detect | Detección de objetos con cuadros delimitadores | Herramienta de rectángulo |
| Segment | Segmentación de instancias con máscaras de píxeles | Herramienta de polígono |
| Semantic | Segmentación semántica con regiones de píxeles por clase | Herramienta de polígono |
| Pose | Estimación de puntos clave con plantillas de esqueleto integradas y personalizadas | Herramienta de puntos clave |
| OBB | Cuadros delimitadores orientados para objetos rotados | Herramienta de cuadro orientado |
| Classify | Clasificación a nivel de imagen | Selector de clase |
El tipo de tarea se establece al crear un dataset y determina qué herramientas de anotación están disponibles. Puedes cambiarlo más tarde desde el selector de tareas en el encabezado del dataset, pero las anotaciones incompatibles no se mostrarán después de cambiarlo.
Link to this sectionCaracterísticas clave#
Link to this sectionAlmacenamiento inteligente#
La Ultralytics Platform utiliza el almacenamiento direccionable por contenido (CAS, por sus siglas en inglés) para una gestión eficiente de los datos:
- Desduplicación: Las imágenes idénticas se almacenan una sola vez mediante hash XXH3-128
- Integridad: El direccionamiento basado en hash garantiza la integridad de los datos
- Eficiencia: Almacenamiento optimizado y procesamiento rápido
Link to this sectionURI de datasets#
Haz referencia a los datasets utilizando el formato de URI ul:// (consulta Cómo usar datasets de la plataforma):
yolo train data=ul://username/datasets/my-datasetEsto permite entrenar en los datasets de la plataforma desde cualquier máquina que tenga configurada tu clave de API.
from ultralytics import YOLO
model = YOLO("yolo26n.pt")
model.train(data="ul://username/datasets/my-dataset", epochs=100)Link to this sectionControl de versiones de datasets#
Crea instantáneas NDJSON inmutables de tu dataset para un entrenamiento reproducible. Cada versión captura el recuento de imágenes, clases y anotaciones en el momento de la creación. Consulta la pestaña Versiones para obtener más detalles.
Link to this sectionPestañas de dataset#
Las páginas de los datasets pueden mostrar hasta seis pestañas, dependiendo del estado del dataset y de tus permisos:
| Pestaña | Descripción |
|---|---|
| Imágenes | Explora imágenes en vista de cuadrícula, compacta o de tabla con superposiciones de anotaciones |
| Clases | Consulta y edita nombres de clase, colores y recuentos de etiquetas por clase |
| Gráficos | Estadísticas automáticas: distribución de particiones, recuento de clases, mapas de calor |
| Modelos | Modelos entrenados con este dataset, incluyendo métricas y estado |
| Versiones | Crea y descarga instantáneas NDJSON inmutables para un entrenamiento reproducible |
| Errores | Imágenes que fallaron en el procesamiento, con detalles del error y guía de solución |
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.
Link to this sectionAgrupamiento (Clustering)#
Explora tu dataset como un gráfico de dispersión 2D interactivo donde las imágenes visualmente similares aparecen juntas; útil para descubrir grupos, duplicados y valores atípicos, así como para inspeccionar cómo se distribuyen las particiones o las clases en tus datos. Selecciona una región del gráfico con el lazo para filtrar la galería y mostrar solo esas imágenes. Consulta Clustering para más detalles.
Link to this sectionEstadísticas y visualización#
The Charts tab provides automatic analysis including:
- Distribución de particiones: Gráfico de anillo del recuento de imágenes para entrenamiento/validación/prueba
- Clases principales: Gráfico de anillo de las clases de anotación más frecuentes
- Dimensiones de imagen: Histograma de la distribución de ancho y alto de imagen (en píxeles)
- Puntos por instancia: Distribución del recuento de vértices de polígono o puntos clave (datasets de segment/pose)
- Ubicaciones de anotación: Mapa de calor 2D de las posiciones centrales de los cuadros delimitadores
- Dimensiones de imagen 2D: Mapa de calor 2D de ancho frente a alto con líneas guía de relación de aspecto
Link to this sectionEnlaces rápidos#
- Datasets: Sube, gestiona y exporta tus datos de entrenamiento
- Anotación: Etiqueta datos con herramientas manuales y asistidas por IA
- Entrenamiento en la nube: Entrena modelos con tus datasets etiquetados
- URI de dataset: Usa URI
ul://para entrenar desde cualquier lugar
Link to this sectionPreguntas frecuentes#
Link to this section¿Qué formatos de archivo se admiten para la carga?#
La Ultralytics Platform admite:
Imágenes: JPEG, PNG, WebP, BMP, TIFF, HEIC, AVIF, JP2, DNG, MPO (máx. 50 MB cada una)
Vídeos: MP4, WebM, MOV, AVI, MKV, M4V (máx. 1 GB, fotogramas extraídos a 1 FPS, máx. 100 fotogramas)
Archivos de dataset: Archivos ZIP o TAR, incluidos .tar.gz y .tgz (máx. 10 GB en Free, 20 GB en Pro, 50 GB en Enterprise) que contengan imágenes con etiquetas opcionales en formato YOLO, además de exportaciones NDJSON
Link to this section¿Cuál es el tamaño máximo del dataset?#
Los límites de almacenamiento dependen de tu plan:
| Plan | Límite de almacenamiento |
|---|---|
| Gratuito | 100 GB |
| Pro | 500 GB |
| Enterprise | Ilimitado |
Límites por archivo individual: Imágenes 50 MB, vídeos 1 GB, datasets 10 GB en Free / 20 GB en Pro / 50 GB en Enterprise
Link to this section¿Puedo usar mis datasets de la plataforma para entrenamiento local?#
¡Sí! Utiliza el formato de URI de dataset para entrenar localmente:
export ULTRALYTICS_API_KEY="YOUR_API_KEY"
yolo train model=yolo26n.pt data=ul://username/datasets/my-dataset epochs=100O exporta tu dataset en formato NDJSON para un entrenamiento totalmente sin conexión.