Link to this sectionDatasets#

Los datasets de Ultralytics Platform ofrecen una solución optimizada para gestionar tus datos de entrenamiento. Tras la carga, la plataforma procesa automáticamente las imágenes, etiquetas y estadísticas. Un dataset está listo para entrenar una vez que el procesamiento ha finalizado y contiene al menos una imagen en el conjunto train, al menos una imagen en el conjunto val o test, al menos una imagen etiquetada y un total de al menos dos imágenes.

Link to this sectionSubir dataset#

Ultralytics Platform acepta múltiples formatos de carga para una mayor flexibilidad.

Link to this sectionFormatos admitidos#

Link to this sectionPreparación de tu dataset#

La plataforma soporta Ultralytics YOLO, COCO, Ultralytics NDJSON y cargas en bruto (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

Para detalles de formatos específicos de tareas, consulta tareas soportadas y la Descripción general de datasets.

Link to this sectionProceso de carga#

1. Ve a Datasets en la barra lateral
2. Haz clic en New Dataset o arrastra archivos a la zona de carga
3. Selecciona el tipo de tarea (consulta tareas soportadas)
4. Añade un nombre y una descripción opcional
5. Establece la visibilidad (pública o privada) y una licencia opcional (consulta licencias disponibles)
6. Haz clic en Create & Upload (o en Create Dataset si estás creando un dataset vacío)

Tras la carga, la plataforma procesa tus datos a través de una canalización de varias etapas:

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. Validación: Comprobaciones de formato y tamaño
2. Normalización: Las imágenes grandes se redimensionan (máx. 4096px, dimensión mínima 28px)
3. Miniaturas: Se generan vistas previas en WebP de 256px
4. Análisis de etiquetas: Se extraen etiquetas en formato YOLO y COCO
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")

Link to this sectionExplorar imágenes#

Visualiza las imágenes de tu dataset en múltiples diseños.

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

Link to this sectionOrdenación y filtrado#

Las imágenes se pueden ordenar y filtrar para una exploración eficiente:

Link to this sectionVisor en pantalla completa#

Haz clic en cualquier imagen para abrir el visor en pantalla completa con:

• Navegación: Teclas de flecha o vistas previas de miniaturas para navegar
• Metadatos: Nombre de archivo, dimensiones, insignia de división, recuento de anotaciones
• Anotaciones: Alternar la visibilidad de la superposición de anotaciones
• Desglose por clase: Recuentos de etiquetas por clase con indicadores de color
• Editar: Entra en el modo de anotación para añadir o modificar etiquetas
• Descargar: Descarga el archivo de imagen original
• Eliminar: Elimina la imagen del dataset
• Zoom: Cmd/Ctrl+Scroll, Cmd/Ctrl++ o Cmd/Ctrl+= para acercar, y Cmd/Ctrl+- para alejar
• Restablecer vista: Cmd/Ctrl + 0 o el botón de restablecer para ajustar la imagen al visor
• Pan: Hold Space and drag to pan the canvas when zoomed
• Vista de píxeles: Alternar la renderización pixelada para una inspección detallada

Link to this sectionFiltrar por división (Split)#

Filtrar imágenes por su división (split) del dataset:

Link to this sectionAgrupamiento (Clustering)#

El panel Clustering proyecta tu dataset en un gráfico de dispersión 2D interactivo donde las imágenes visualmente similares se sitúan cerca unas de otras. Úsalo para identificar grupos, detectar duplicados y valores atípicos, e inspeccionar cómo se distribuyen las divisiones o clases a través de tus datos, sin salir de la galería. Ábrelo desde el icono de gráfico de dispersión en la barra de herramientas de la galería en cualquier página de dataset.

Link to this sectionEjecución del análisis#

Iniciar un análisis:

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

El análisis se ejecuta en segundo plano y puede tardar unos minutos dependiendo del tamaño de tu dataset. Puedes cerrar el panel o salir de la página y volver más tarde.

Link to this sectionVisualización#

Una vez completado el análisis, el panel muestra una dispersión 2D de todas las imágenes analizadas. Los filtros de la galería (división, clase, etiquetado/sin etiquetar) atenúan los puntos fuera del filtro para que puedas centrarte en el subconjunto que te interesa.

Link to this sectionColorear por#

Cambia cómo se sombrean los puntos de datos con el menú desplegable Color by en la barra de herramientas del panel. Cambia de modo de visualización en cualquier momento: el gráfico se vuelve a colorear al instante para que puedas ver cómo se distribuyen las divisiones, las clases o las propiedades de la imagen en tus grupos:

Link to this sectionSelección de lazo#

Dibuja una selección de forma libre alrededor de una región para resaltar puntos en el gráfico. La galería se filtra hasta mostrar las imágenes coincidentes, por lo que puedes inspeccionarlas, volver a etiquetarlas, moverlas o eliminarlas usando las operaciones de imagen habituales.

Link to this sectionDesplazamiento y Zoom#

Navega por grandes dispersiones directamente desde tu ratón y teclado:

Link to this sectionRe-análisis#

Si tu dataset cambia después del análisis, 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 (embeddings) y la proyección 2D desde cero.

Link to this sectionPestañas de Dataset#

Cada página de dataset puede mostrar hasta seis pestañas, dependiendo del estado del dataset y tus permisos:

Link to this sectionPestaña Imágenes#

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

Link to this sectionPestaña Clases#

Esta pestaña aparece cuando el dataset tiene imágenes.

Gestiona las clases de anotación de tu dataset:

• Histograma de clases: Gráfico de barras que muestra el recuento de anotaciones por clase con alternancia de escala lineal/logarítmica
• Tabla de clases: tabla ordenable y con búsqueda que incluye el nombre de la clase, el recuento de etiquetas y el recuento de imágenes
• Editar nombres de clases: haz clic en cualquier nombre de clase para cambiarlo directamente
• Editar colores de clases: haz clic en una muestra de color para cambiar el color de la clase
• Añadir nueva clase: utiliza la entrada en la parte inferior para añadir clases

Link to this sectionPestaña de gráficos#

Esta pestaña aparece cuando el dataset tiene imágenes.

Estadísticas automáticas calculadas a partir de tu dataset:

Link to this sectionPestaña de modelos#

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

Link to this sectionPestaña de errores#

Esta pestaña solo aparece cuando uno o más archivos no se procesan correctamente.

Las imágenes que fallaron al procesarse se enumeran aquí con:

• Banner de error: recuento total de imágenes fallidas y orientación
• Tabla de errores: nombre del archivo, descripción del error fácil de entender, sugerencias de solución y miniatura de vista previa
• Los errores comunes incluyen archivos corruptos, formatos no admitidos, imágenes demasiado pequeñas (mín. 28px) y modos de color no admitidos

Link to this sectionPestaña de versiones#

Crea instantáneas NDJSON inmutables de tu dataset para un entrenamiento reproducible. Cada versión captura los recuentos de imágenes, clases, anotaciones y el tamaño del archivo en el momento de la creación.

Para crear una versión:

1. Abre la pestaña Versiones
2. Opcionalmente introduce una descripción (por ejemplo, "Se añadieron 500 imágenes de entrenamiento" o "Se corrigieron clases mal etiquetadas")
3. Haz clic en + Nueva versión
4. La nueva versión aparece en la tabla
5. Descarga la versión por separado de la tabla cuando sea necesario

Cada versión está numerada secuencialmente (v1, v2, v3...) y se almacena de forma permanente. Puedes descargar cualquier versión anterior en cualquier momento desde la tabla de versiones.

Link to this sectionExportar dataset#

Exporta tu dataset para su uso sin conexión con una descarga NDJSON desde el encabezado del dataset o la pestaña Versiones.

Para exportar:

1. Haz clic en el botón Descargar (icono de descarga) en el encabezado del dataset
2. Descarga directamente la instantánea NDJSON actual
3. Usa la pestaña Versiones cuando quieras una instantánea numerada inmutable que puedas volver a descargar más tarde

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", "annotations": {"boxes": [[0, 0.5, 0.5, 0.2, 0.3]]}}
{"type": "image", "file": "img002.jpg", "url": "https://...", "width": 1280, "height": 720, "split": "val"}

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

Link to this sectionOperaciones con imágenes#

Link to this sectionAcciones rápidas#

Haz clic derecho en cualquier imagen en la vista Cuadrícula o Compacta para acceder a acciones rápidas:

Link to this sectionMover a división en masa#

Reasigna las imágenes seleccionadas a una división diferente dentro del mismo conjunto de datos:

1. Cambia a la vista Tabla
2. Selecciona las imágenes usando las casillas de verificación
3. Haz clic derecho para abrir el menú contextual
4. Choose Move to split > Train, Validation, or Test

También puedes arrastrar y soltar imágenes sobre las pestañas de filtro de división en la vista de cuadrícula.

Link to this sectionRedistribución de divisiones#

Redistribuye todas las imágenes entre las divisiones de entrenamiento, validación y prueba usando proporciones personalizadas:

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

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

Una vista previa en directo muestra exactamente cuántas imágenes terminarán en cada división antes de que apliques los cambios.

Link to this sectionEliminación en masa#

Elimina varias imágenes a la vez:

1. Selecciona las imágenes en la vista de tabla
2. Right-click and choose Delete
3. Confirma la eliminación

Link to this sectionURI del conjunto de datos#

Haz referencia a los conjuntos de datos de la Platform usando el formato de URI ul:// (consulta Uso de conjuntos de datos de la Platform):

Usa este 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

Link to this sectionLicencias disponibles#

La Platform admite las siguientes licencias para conjuntos de datos:

Link to this sectionConfiguración de visibilidad#

Controla quién puede ver tu conjunto de datos:

Visibility is set when creating a dataset in the New Dataset dialog using a toggle switch. Public datasets are visible on the Explore page.

Link to this sectionEditar conjunto de datos#

Los metadatos del conjunto de datos se editan en línea directamente en la página del conjunto de datos; no hace falta 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 pulsar Enter.
• Descripción: Haz clic en la descripción (o en el marcador de posición "Añadir una descripción...") para editar. Los cambios se guardan automáticamente.
• Tipo de tarea: Haz clic en la insignia de tarea para seleccionar un tipo de tarea diferente.
• Licencia: Haz clic en el selector de licencia para cambiar la licencia del conjunto de datos.

Link to this sectionClonar dataset#

Cuando veas un conjunto de datos público del que no seas propietario, haz clic en Clone Dataset para crear una copia en tu espacio de trabajo. El clon incluye todas las imágenes, anotaciones y definiciones de clase. Si el conjunto de datos original tiene una licencia copyleft, el clon la hereda y el selector de licencias queda bloqueado.

Link to this sectionMarcar como favorito y compartir#

• Marcar como favorito: Haz clic en el botón de estrella para marcar un conjunto de datos. El recuento de favoritos es visible para todos los usuarios.
• Compartir: Para conjuntos de datos públicos, haz clic en el botón de compartir para copiar un enlace o compartirlo en plataformas sociales.

Link to this sectionEliminar dataset#

Eliminar un conjunto de datos que ya no necesites:

1. Abre el menú de acciones del conjunto de datos
2. Haz clic en Delete
3. Confirma en el cuadro de diálogo: "Esto moverá [name] a la papelera. Puedes restaurarlo en un plazo de 30 días."

Link to this sectionEntrenar con un conjunto de datos#

Empieza el entrenamiento directamente desde tu conjunto de datos:

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

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

Consulta Cloud Training para más detalles.

Link to this sectionFAQ#

Link to this section¿Qué ocurre con mis datos después de subirlos?#

Tus datos se procesan y almacenan en la región que hayas seleccionado (EE. UU., UE o AP). Las imágenes son:

1. Validadas por formato y tamaño
2. Rechazadas si la dimensión mínima es inferior a 28px
3. Normalizadas si son mayores de 4096px (preservando la relación de aspecto; codificadas para un almacenamiento optimizado)
4. Almacenadas utilizando Almacenamiento Direccionable por Contenido (CAS) con hashing XXH3-128
5. Miniaturas generadas en formato WebP de 256px para una navegación rápida

Link to this section¿Cómo funciona el almacenamiento?#

La plataforma Ultralytics utiliza Almacenamiento Direccionable por Contenido (CAS) para un almacenamiento eficiente:

• Deduplicación: Las imágenes idénticas subidas por diferentes usuarios se almacenan solo una vez
• Integridad: El hashing XXH3-128 garantiza la integridad de los datos
• Eficiencia: Reduce los costes de almacenamiento y acelera el procesamiento
• Regional: Los datos permanecen en la región que hayas seleccionado (EE. UU., UE o AP)

Link to this section¿Puedo añadir imágenes a un conjunto de datos existente?#

Sí, arrastra y suelta archivos en la página del conjunto de datos o utiliza el botón de subida para añadir imágenes adicionales. Las nuevas estadísticas se calcularán automáticamente.

Link to this section¿Cómo muevo imágenes entre divisiones?#

Utiliza la función de mover a división en bloque:

1. Selecciona las imágenes en la vista de tabla
2. Haz clic derecho y elige Move to split
3. Selecciona la división de destino (Train, Validation o Test)

Link to this section¿Qué formatos de etiqueta son compatibles?#

La plataforma Ultralytics admite etiquetas YOLO, COCO JSON, Ultralytics NDJSON y subidas de imágenes en bruto:

Link to this section¿Puedo anotar el mismo conjunto de datos para varios tipos de tareas?#

Sí. Cada imagen almacena anotaciones para los 6 tipos de tareas (detect, segment, semantic, pose, OBB, classify) a la vez. Puedes cambiar el tipo de tarea activa del conjunto de datos en cualquier momento sin perder las anotaciones existentes. Solo las anotaciones que coinciden con el tipo de tarea activa se muestran en el editor y se incluyen en las exportaciones y en el entrenamiento; las anotaciones para otras tareas se conservan y reaparecen cuando vuelves a cambiar.