Conjuntos de datos#

Los conjuntos de datos de Ultralytics Platform ofrecen una solución optimizada para gestionar tus datos de entrenamiento. Tras la carga, la plataforma procesa automáticamente las imágenes, las etiquetas y las estadísticas.

Un conjunto de datos está listo para entrenar cuando el procesamiento ha terminado, contiene al menos una imagen en la partición train, al menos una imagen en una de las particiones val o test, y al menos una imagen etiquetada. El encabezado del conjunto de datos muestra una insignia Ready cuando se cumplen las tres condiciones, y una insignia Not Ready en caso contrario; haz clic en la insignia para ver exactamente qué condición falta.

Recopila imágenes con agentes#

Utiliza Agents para añadir imágenes a un conjunto de datos cuando la detección de un modelo cumple una condición, como una confianza dentro de un intervalo elegido. Conecta la condición a un bloque Dataset y selecciona un destino que puedas editar. Las imágenes llegan sin etiquetar en la división train; las copias existentes se omiten. Revisa y etiqueta las imágenes con el editor de anotaciones existente.

Cargar conjunto de datos#

Ultralytics Platform admite varios formatos de carga para ofrecer flexibilidad.

Formatos compatibles#

Compatibilidad con códecs de vídeo#

La extensión del archivo por sí sola no basta: un vídeo puede seguir fallando si su códec no se puede decodificar durante el procesamiento.

ffmpeg -i input.mov \
  -c:v libx264 -pix_fmt yuv420p \
  -c:a aac -movflags +faststart \
  output.mp4

Preparar tu conjunto de datos#

La plataforma es compatible con Ultralytics YOLO, COCO, máscaras PNG semánticas, conjuntos de datos de profundidad, Ultralytics NDJSON y cargas sin procesar (sin anotar):

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

Si las etiquetas hacen referencia a ID de clase, pero no se proporcionan nombres de clase, Platform genera nombres de marcador de posición densos (class0, class1, …) que puedes cambiar más adelante en la pestaña Classes.

Para obtener información específica de cada tarea sobre los formatos, consulta las tareas compatibles y la descripción general de los conjuntos de datos.

Proceso de carga#

Para crear un conjunto de datos:

1. Ve a Annotate en la barra lateral
2. Haz clic en New Dataset
3. Elige una pestaña de origen de datos (consulta Data Sources más abajo)
4. Añade un nombre; el slug de URL se obtiene automáticamente y se puede editar; y, opcionalmente, una descripción
5. Selecciona el tipo de tarea (consulta las tareas compatibles), una licencia opcional (consulta las licencias disponibles) y la visibilidad (público o privado)
6. Haz clic en Create & Upload para archivos locales, en Create & Import para una URL o un origen conectado, o en Create Dataset para empezar desde cero

Para añadir archivos a un conjunto de datos existente, abre la página del conjunto de datos y arrastra los archivos a la galería o haz clic en el icono de carga en la cabecera de la página. El icono de carga abre el selector de archivos nativo de tu navegador directamente porque la tarea del conjunto de datos ya está definida.

Fuentes de datos#

El cuadro de diálogo New Dataset ofrece cuatro orígenes:

Antes de que empiece la carga#

Platform valida tus archivos en el navegador antes de cargar nada, por lo que los problemas habituales aparecen de inmediato en lugar de hacerlo después de una transferencia larga. Los archivos comprimidos se comprueban para detectar corrupción, estar vacíos, tener protección mediante contraseña y contener errores de sintaxis YAML; además, los archivos demasiado grandes se muestran por nombre.

A continuación pueden aparecer dos cuadros de diálogo:

Después de subir los datos, la plataforma los procesa automáticamente:

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

    classDef start fill:#4CAF50,color:#fff
    classDef proc fill:#2196F3,color:#fff
    classDef out fill:#9C27B0,color:#fff

1. Validación: Comprobaciones de formato y tamaño
2. Normalización: Las imágenes grandes se redimensionan (máx. 4096 px, dimensión mínima de 28 px), la escala de grises se amplía a RGB, la transparencia se aplana sobre blanco y se aplica la orientación EXIF
3. Miniaturas: Se generan previsualizaciones WebP de 256 px
4. Análisis de etiquetas: Se extraen las etiquetas de YOLO, COCO y NDJSON
5. Estadísticas: Se calculan las distribuciones de clases y las dimensiones de las imágenes

from ultralytics.data.utils import check_det_dataset

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

Explorar imágenes#

Visualiza las imágenes de tu conjunto de datos en varios diseños.

Abre el panel de Clustering desde la barra de herramientas de la galería para explorar tu conjunto de datos como un diagrama de dispersión 2D interactivo.

Ordenación y filtrado#

Las imágenes se pueden ordenar y filtrar para explorarlas de forma eficiente:

Visor a pantalla completa#

Haz clic en cualquier imagen para abrir el visor a pantalla completa, que ofrece:

• Navegación: Usa las teclas de dirección o las previsualizaciones de miniaturas para explorar
• Información de la imagen: Revisa las propiedades generadas por Platform, los metadatos personalizados y los metadatos incrustados en el archivo, como EXIF
• Metadatos personalizados: Los propietarios y editores pueden añadir o sustituir un objeto JSON, incluidos valores anidados de hasta 500 000 caracteres serializados y claves de nivel superior de hasta 128 caracteres
• Anotaciones: Activa o desactiva la visibilidad de la superposición de anotaciones
• Desglose por clases: Recuentos de etiquetas por clase con indicadores de color
• Anotar: Cuando tienes acceso de edición, los controles de anotación se activan inmediatamente al abrir el visor a pantalla completa en el escritorio
• Descargar: Descarga el archivo de imagen original
• Eliminar: Elimina la imagen del conjunto de datos
• Zoom: Usa Cmd/Ctrl+Scroll, Cmd/Ctrl++ o Cmd/Ctrl+= para ampliar y Cmd/Ctrl+- para reducir
• Restablecer vista: Usa Cmd/Ctrl + 0 o el botón de restablecimiento para ajustar la imagen al visor
• Desplazar: Mantén pulsado Space y arrastra para desplazar el lienzo cuando hayas ampliado la imagen
• Vista de píxeles: Activa o desactiva el renderizado pixelado para una inspección detallada
• Cortina de profundidad: En los conjuntos de datos de profundidad, un divisor arrastrable alterna entre la imagen RGB y su mapa de profundidad coloreado

Filtrar por división#

Filtra las imágenes por su división del conjunto de datos:

Clustering#

El panel Clustering proyecta tu conjunto de datos en un diagrama de dispersión 2D interactivo donde las imágenes visualmente similares aparecen próximas entre sí. Úsalo para descubrir grupos, detectar duplicados y valores atípicos, y analizar cómo se distribuyen las divisiones o las clases en tus datos, sin salir de la galería. Ábrelo desde el icono del gráfico de dispersión de la barra de herramientas de la galería en cualquier página de conjunto de datos.

Ejecutar análisis#

Inicia un análisis:

1. Abre un conjunto de datos y haz clic en el icono del gráfico de dispersión de la barra de herramientas de la galería
2. Haz clic en Analyze Dataset
3. Espera a que termine la barra de progreso: los resultados aparecen en el mismo panel

El análisis se ejecuta en segundo plano en dos fases, Computing embeddings y Clustering, y puede tardar unos minutos según el tamaño de tu conjunto de datos. Puedes cerrar el panel o abandonar la página y volver más tarde.

Visualización#

Cuando termina el análisis, el panel muestra un diagrama de dispersión 2D de todas las imágenes analizadas, con una leyenda y un contador de puntos. Los filtros de la galería (división, clase, etiquetadas/sin etiquetar) atenuan los puntos que quedan fuera del filtro para que puedas centrarte en el subconjunto que te interesa; el contador muestra entonces visible / total points.

Colorear por#

Cambia cómo se sombrean los puntos de datos con el desplegable Color by de la barra de herramientas del panel. Cambia de modo de visualización en cualquier momento: el gráfico cambia de color al instante para que puedas ver cómo se distribuyen las particiones, las clases o las propiedades de las imágenes entre tus clústeres:

Selección con lazo#

Dibuja una selección de forma libre alrededor de una región para resaltar puntos en el gráfico. La galería se filtra para mostrar las imágenes coincidentes, de modo que puedas inspeccionarlas, volver a etiquetarlas, moverlas o eliminarlas mediante las operaciones habituales con imágenes.

Desplazamiento y zoom#

Navega por gráficos de dispersión grandes directamente con el ratón y el teclado, o con los botones de zoom situados en la esquina inferior izquierda del gráfico:

Volver a analizar#

Si tu conjunto de datos cambia después del análisis —llegan imágenes nuevas o el número analizado ya no coincide con el conjunto de datos—, aparece un botón Re-analyze en la parte superior del panel para propietarios y editores.

Haz clic en Re-analyze para volver a calcular las incrustaciones y la proyección 2D desde cero.

Buscar imágenes similares#

Los mismos incrustados impulsan la búsqueda de similitud en conjuntos de datos públicos. En un conjunto de datos que puedas editar, haz clic con el botón derecho en una imagen en la vista Cuadrícula o Compacta (o en una sola fila seleccionada en la vista de Tabla) y elige Buscar imágenes similares. El cuadro de diálogo muestra hasta 24 de las imágenes públicas más cercanas con su conjunto de datos de origen, licencia y puntuación de similitud, excluyendo las imágenes que tu conjunto de datos ya contiene y copias de la imagen seleccionada en otros conjuntos de datos. Selecciona las que quieras y haz clic en Añadir al conjunto de datos: se añaden a la partición train como imágenes sin etiquetar, se contabilizan en tu almacenamiento y están listas para la anotación.

Una imagen sin un incrustado —en un conjunto de datos aún no analizado, o añadido desde el último análisis— muestra Analyze this dataset in Clustering to find similar images. El cuadro de diálogo no está disponible en conjuntos de datos conectados. Los diagnósticos de validación por imagen de un modelo ejecutan la misma búsqueda a partir de sus imágenes con peor rendimiento.

Pestañas del conjunto de datos#

Cada página de conjunto de datos puede mostrar hasta seis pestañas, en función del estado del conjunto de datos y de tus permisos:

Pestaña Imágenes#

Vista predeterminada que muestra la galería de imágenes con superposiciones de anotaciones. Admite los modos de vista de cuadrícula, compacta y tabla. Arrastra y suelta archivos aquí para añadir más imágenes.

Pestaña Clases#

Esta pestaña aparece cuando el conjunto de datos contiene imágenes y su tarea tiene clases.

Gestiona las clases de anotación de tu conjunto de datos:

• Histograma de clases: gráfico de barras que muestra el número de anotaciones por clase, ordenado por frecuencia, con un selector de escala lineal/logarítmica
• Tabla de clases: tabla ordenable y con búsqueda que incluye el índice, el nombre, el número de anotaciones y el número de imágenes
• Editar nombres de clase: haz clic en cualquier nombre de clase para cambiarlo directamente
• Editar colores de clase: haz clic en una muestra de color para cambiar el color de la clase
• Añadir una clase nueva: utiliza el campo de entrada de la parte inferior para añadir clases
• Fusionar clases: selecciona dos o más filas y haz clic en Merge into one
• Eliminar clases: selecciona una o más filas y haz clic en Delete

Fusionar clases#

La fusión consolida etiquetas duplicadas o superpuestas; por ejemplo, combina car, automobile y vehicle en una sola clase:

1. Selecciona dos o más clases mediante las casillas de verificación de las filas
2. Haz clic en Merge into one en el encabezado de la tabla o haz clic con el botón derecho en la selección
3. Elige cuál de las clases seleccionadas será la clase de destino en la que se fusionarán las demás
4. Confirma

Cada anotación perteneciente a las clases de origen se reasigna a la clase de destino y las clases de origen se eliminan. No se elimina ninguna anotación, por lo que el número total de anotaciones del conjunto de datos no cambia.

Eliminar clases#

1. Selecciona una o más clases mediante las casillas de verificación de las filas
2. Haz clic en Delete en el encabezado de la tabla o haz clic con el botón derecho en la selección
3. Confirma

Eliminar una clase elimina la clase y todas sus anotaciones. En los conjuntos de datos de clasificación se eliminan las etiquetas, pero las imágenes permanecen y pasan a estar sin anotar.

Pestaña Gráficos#

Esta pestaña aparece cuando el conjunto de datos contiene imágenes.

Estadísticas automáticas calculadas a partir de tu conjunto de datos:

Los gráficos aparecen en este orden y cada uno se omite cuando el conjunto de datos no contiene datos para él: un conjunto de datos de imágenes sin procesar no muestra gráficos de anotaciones, y Points per Instance solo aparece para datos de segmentación y pose:

Pestaña Modelos#

Consulta todos los modelos entrenados con este dataset en una tabla con búsqueda:

Pestaña Errores#

Esta pestaña solo aparece cuando uno o más archivos no se pueden procesar.

Aquí se muestran las imágenes cuyo procesamiento ha fallado, junto con:

• Banner de error: número total de imágenes fallidas e indicaciones
• Tabla de errores: nombre de archivo, descripción del error fácil de entender, sugerencias para solucionarlo y miniatura de vista previa
• Entre los errores habituales se incluyen archivos dañados, formatos no compatibles, imágenes demasiado pequeñas (mín. 28px) y modos de color no compatibles

Pestaña Versiones#

Crea instantáneas NDJSON inmutables de tu dataset para realizar entrenamientos reproducibles. Cada versión captura el número de imágenes, clases y anotaciones, así como el tamaño de los archivos en el momento de su creación.

Para crear una versión:

1. Abre la pestaña Versions
2. Opcionalmente, introduce una descripción (p. ej., "Se han añadido 500 imágenes de entrenamiento" o "Se han corregido clases mal etiquetadas")
3. Haz clic en New Version
4. La nueva versión aparece en la tabla

Cada versión se numera secuencialmente (v1, v2, v3...) y es inmutable: las versiones no se pueden editar ni eliminar, solo se pueden cambiar sus descripciones. Usa las acciones de la fila para descargar o restaurar cualquier versión en cualquier momento.

Exportar dataset#

Exporta tu dataset para usarlo sin conexión descargándolo en formato NDJSON desde la cabecera del dataset o la pestaña Versiones.

Para exportarlo:

1. Haz clic en el botón Download (icono de descarga) de la cabecera del dataset
2. Descarga directamente la instantánea NDJSON actual
3. Usa la pestaña Versions cuando quieras una instantánea numerada e inmutable que puedas volver a descargar más adelante

El formato NDJSON almacena un objeto JSON por línea. La primera línea contiene los metadatos del conjunto de datos, seguida de una línea por imagen:

{"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", "metadata": {"location": {"site": "factory-1"}, "reviewed": true}, "annotations": {"boxes": [[0, 0.5, 0.5, 0.2, 0.3]]}}
{"type": "image", "file": "img002.jpg", "url": "https://...", "width": 1280, "height": 720, "split": "val"}

El objeto opcional metadata a nivel de imagen se conserva cuando se importa un archivo NDJSON en Platform. Puedes inspeccionarlo o editarlo desde el panel de información de pantalla completa de la imagen. Para cargar archivos de archivo mediante programación, la API de datos de Ingest Dataset acepta el mapa de rutas equivalente imageMetadata.

Los datasets de pose también incluyen un campo kpt_shape en la línea de cabecera del dataset, inferido a partir de las anotaciones cuando aún no se ha establecido.

Las exportaciones de profundidad declaran "task": "depth" y "depth_scale": 1000 en la línea del dataset. Cada línea de imagen incluye un depth.url para su archivo PNG uint16 sin formato asociado. Ultralytics descarga las URL de imagen y profundidad simultáneamente y escribe un archivo YAML de entrenamiento con la misma escala, por lo que el archivo NDJSON se puede pasar directamente a model.train(data=...).

Consulta la documentación del formato NDJSON de Ultralytics para ver la especificación completa.

Operaciones con imágenes#

Acciones rápidas#

Haz clic con el botón derecho en cualquier imagen de la vista Grid o Compact para acceder a las acciones rápidas:

Mover masivamente a una división#

Reasigna las imágenes seleccionadas a otra partición dentro del mismo conjunto de datos:

1. Cambia a la vista Tabla
2. Selecciona las imágenes mediante las casillas de verificación
3. Haz clic con el botón derecho para abrir el menú contextual
4. Elige Move to split > Entrenamiento, Validación o Prueba

También puedes arrastrar y soltar imágenes sobre las pestañas de filtro de partición en la vista de cuadrícula. Si mover una imagen provoca un conflicto con una imagen idéntica que ya existe en la partición de destino, Platform te pregunta si quieres omitirla, conservar ambas o reemplazarla.

Redistribución de particiones#

Redistribuye todas las imágenes entre las particiones de entrenamiento, validación y prueba mediante proporciones personalizadas:

1. Haz clic en la barra de particiones de la barra de herramientas del conjunto de datos para abrir el cuadro de diálogo Redistribuir particiones
2. Ajusta los porcentajes de las particiones mediante cualquiera de los métodos siguientes
3. Revisa la vista previa en directo del número de imágenes para confirmar la distribución
4. Haz clic en Aplicar para reasignar aleatoriamente todas las imágenes según tus porcentajes

El cuadro de diálogo ofrece tres formas de establecer tus proporciones de división objetivo:

Una vista previa en directo muestra exactamente cuántas imágenes acabarán en cada partición antes de aplicar los cambios.

Eliminación en bloque#

Elimina varias imágenes a la vez:

1. Selecciona las imágenes en la vista de tabla
2. Haz clic con el botón derecho y elige Delete, o pulsa Cmd/Ctrl+Delete
3. Confirma la eliminación

URI del conjunto de datos#

Haz referencia a los conjuntos de datos de Platform mediante el formato de URI ul:// (consulta Usar conjuntos de datos de Platform):

ul://username/datasets/dataset-slug

También puedes pegar directamente una URL web de un conjunto de datos o modelo (por ejemplo, https://platform.ultralytics.com/username/datasets/dataset-slug); se reescribe automáticamente como la URI ul://. Pasar una lista de conjuntos de datos ajusta un modelo base en cada uno de ellos de forma secuencial, por ejemplo, model.train(data=["ul://username/datasets/a", "ul://username/datasets/b"]).

Usa esta URI para entrenar modelos desde cualquier lugar:

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

Licencias disponibles#

Platform admite las siguientes licencias para conjuntos de datos:

Configuración de visibilidad#

Controla quién puede ver tu conjunto de datos:

La visibilidad se establece al crear un conjunto de datos en el cuadro de diálogo New Dataset mediante un interruptor. Los conjuntos de datos públicos son visibles en la página Explorar.

Editar conjunto de datos#

Los metadatos del conjunto de datos se editan directamente en línea desde la página del conjunto de datos, sin necesidad de ningún cuadro de diálogo:

• Nombre: haz clic en el nombre del conjunto de datos para editarlo. Los cambios se guardan automáticamente al perder el foco o al pulsar Enter. Los nombres están limitados a 100 caracteres.
• Descripción: haz clic en la descripción (o en el marcador de posición «Añade una descripción...» ) para editarla. Los cambios se guardan automáticamente. Las descripciones están limitadas a 1.000 caracteres.
• Tipo de tarea: haz clic en la etiqueta de la tarea para seleccionar otro tipo de tarea.
• Licencia: haz clic en el selector de licencia para cambiar la licencia del conjunto de datos.
• Icono: haz clic en el icono del conjunto de datos para subir tu propia imagen, convertir una de las imágenes del conjunto de datos en el icono o elegir una letra y un color.

Metadatos personalizados#

Abre Más acciones y selecciona Información para revisar dos secciones:

• Metadatos de Ultralytics: detalles de Platform de solo lectura, como el ID del conjunto de datos, el propietario, la tarea, el número de imágenes y anotaciones, la región de almacenamiento y las marcas de tiempo
• Metadatos personalizados: tu propio objeto JSON para la procedencia, las condiciones de captura, los ID de cliente, la gobernanza u otros datos contextuales

Los usuarios con permiso de visualización del espacio de trabajo pueden inspeccionar los metadatos, mientras que los miembros con acceso de edición pueden sustituir el objeto de metadatos personalizados. El objeto de metadatos serializado está limitado a 500.000 caracteres y cada clave de nivel superior está limitada a 128 caracteres. Guarda un objeto vacío ({}) para borrar los metadatos personalizados.

Clonar conjunto de datos#

Al ver un conjunto de datos público que no te pertenece, haz clic en Clone Dataset para abrir el cuadro de diálogo de clonación. Revisa el espacio de trabajo de destino, el nombre, la visibilidad y la licencia y, después, confirma la clonación. La copia incluye todas las imágenes, anotaciones y definiciones de clases. Los conjuntos de datos públicos de origen siguen siendo públicos de forma predeterminada en los espacios de trabajo cuya visibilidad predeterminada es pública; los clones de espacios de trabajo Enterprise son privados de forma predeterminada. Si el conjunto de datos original tiene una licencia Copyleft, el clon la hereda y el selector de licencia queda bloqueado.

El slug de destino cambia de nombre automáticamente si ya está ocupado, y la clonación requiere suficiente cuota de almacenamiento disponible para albergar la copia.

Marcar con estrella y compartir#

• Estrella: haz clic en el botón de estrella para guardar un conjunto de datos en marcadores. El recuento de estrellas es visible para todos los usuarios.
• Compartir: en los conjuntos de datos públicos, haz clic en el botón de compartir para copiar un enlace, obtener un fragmento de inserción o compartirlo en plataformas sociales.

Eliminar conjunto de datos#

Elimina un conjunto de datos que ya no necesites:

1. Abre Más acciones (el botón …) en la cabecera del conjunto de datos
2. Elige Delete Dataset
3. Confirma en el cuadro de diálogo: «Esto moverá [name] a la papelera. Puedes restaurarlo en un plazo de 30 días.»

El mismo menú incluye Información, que abre el cuadro de diálogo de metadatos descrito en Metadatos personalizados, y Actualizar, que vuelve a leer el dataset del servidor.

Entrenar con un dataset#

Inicia el entrenamiento directamente desde tu dataset:

1. Haz clic en New Model en la página del dataset
2. Selecciona un proyecto o crea uno nuevo
3. Configura los parámetros de entrenamiento
4. Inicia el entrenamiento

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

    classDef start fill:#4CAF50,color:#fff
    classDef proc fill:#2196F3,color:#fff
    classDef out fill:#9C27B0,color:#fff

Consulta Entrenamiento en la nube para obtener más información.

Preguntas frecuentes#