Passer au contenu

Plateforme Ultralytics

La plateforme Ultralytics est une plateforme de vision par ordinateur complète et de bout en bout qui rationalise l'ensemble du flux de travail ML, de la préparation des données au déploiement des modèles. Conçue pour les équipes et les individus qui ont besoin de solutions de vision par ordinateur prêtes pour la production, sans la complexité de l'infrastructure.

Capture d'écran du jeu de données de la plateforme Ultralytics

Qu'est-ce que la plateforme Ultralytics ?

La plateforme Ultralytics est conçue pour remplacer les outils ML fragmentés par une solution unifiée. Elle combine les capacités de :

  • Roboflow - Gestion et annotation des données
  • Weights & Biases - Suivi des expérimentations
  • SageMaker - Entraînement dans le cloud
  • HuggingFace - Déploiement de modèles
  • Arize - Surveillance

Une plateforme tout-en-un avec prise en charge native des modèles YOLO26 et YOLO11.

Flux de travail : Téléchargement → Annotation → Entraînement → Exportation → Déploiement

La plateforme offre un flux de travail de bout en bout :

graph LR
    subgraph Data["📁 Data"]
        A[Upload] --> B[Annotate]
        B --> C[Analyze]
    end
    subgraph Train["🚀 Train"]
        D[Configure] --> E[Train on GPU]
        E --> F[View Metrics]
    end
    subgraph Deploy["🌐 Deploy"]
        G[Export] --> H[Deploy Endpoint]
        H --> I[Monitor]
    end
    Data --> Train --> Deploy
ÉtapeFonctionnalités
TéléversementImages (50 Mo), vidéos (1 Go), archives ZIP (10 Go) avec traitement automatique
AnnotationOutils manuels, annotation intelligente SAM, auto-étiquetage YOLO pour les 5 types de tâches (voir les tâches prises en charge)
EntraînerGPU cloud (19 gratuits + 3 exclusifs Pro), métriques en temps réel, organisation de projet
Exporter17 formats de déploiement (ONNX, TensorRT, CoreML, TFLite, etc. ; voir les formats pris en charge)
Déployer43 régions mondiales avec points de terminaison dédiés, auto-scaling, monitoring

Ce que vous pouvez faire :

  • Télécharger des images, des vidéos et des archives ZIP pour créer des jeux de données d'entraînement
  • Visualisez les annotations avec des superpositions interactives pour les 5 types de tâches YOLO (voir les tâches prises en charge)
  • Entraînez des modèles sur des GPU cloud (19 gratuits, 22 avec Pro) avec des métriques en temps réel
  • Exportez vers 17 formats de déploiement (ONNX, TensorRT, CoreML, TFLite, etc.)
  • Déployer vers 43 régions mondiales avec des points de terminaison dédiés en un clic
  • Surveiller la progression de l'entraînement, la santé du déploiement et les métriques d'utilisation
  • Collaborer en rendant les projets et les jeux de données publics pour la communauté

Infrastructure multi-régions

Vos données restent dans votre région. La Plateforme Ultralytics exploite une infrastructure dans trois régions mondiales :

RégionÉtiquetteEmplacementIdéal pour
États-UnisAmériquesIowa, États-UnisUtilisateurs des Amériques, le plus rapide pour les Amériques
UEEurope, Moyen-Orient et AfriqueBelgique, EuropeUtilisateurs européens, conformité RGPD
APAsie-PacifiqueHong Kong, Asie-PacifiqueUtilisateurs d'Asie-Pacifique, latence APAC la plus faible

Vous sélectionnez votre région lors de l'intégration, et toutes vos données, modèles et déploiements restent dans cette région.

La région est permanente

Votre région de données ne peut pas être modifiée après la création du compte. Lors de l'intégration, la plateforme mesure la latence vers chaque région et recommande la plus proche. Choisissez avec soin.

Principales caractéristiques

Préparation des données

  • Gestion des jeux de données : Téléchargez des images, des vidéos ou des archives ZIP avec traitement automatique
  • Éditeur d'annotations : Annotation manuelle pour les 5 types de tâches YOLO (detect, segment, pose, obb, classify ; voir les tâches prises en charge)
  • Modèles de squelettes: Modèles de squelettes intégrés (Personne, Main, Visage, Chien, Boîte) et personnalisés pour l'annotation de pose en un clic
  • Annotation intelligente SAM: Annotation intelligente basée sur le clic avec 5 modèles — SAM 2.1 (Tiny, Small, Base, Large) et le nouveau SAM 3 pour une précision maximale. Changez de modèle par image depuis la barre d'outils d'annotation.
  • Auto-annotation : Utilisez des modèles entraînés pour pré-étiqueter de nouvelles données
  • Gestion de version des jeux de données: Créez des instantanés NDJSON numérotés avec des descriptions pour un entraînement reproductible
  • Statistiques : Distribution des classes, cartes thermiques de localisation et analyse dimensionnelle
graph LR
    A[Upload ZIP/Images/Video] --> B[Auto-Process]
    B --> C[Browse & Filter]
    C --> D{Annotate}
    D --> E[Manual Tools]
    D --> F[SAM Smart]
    D --> G[YOLO Auto-Label]
    E --> H[Train-Ready Dataset]
    F --> H
    G --> H

Types de tâches pris en charge

L'éditeur d'annotations prend en charge les 5 types de tâches YOLO : detect (boîtes englobantes), segment (polygones), pose (points clés), obb (boîtes orientées) et classify (étiquettes au niveau de l'image). Chaque type de tâche dispose d'outils de dessin dédiés et de raccourcis clavier.

Entraînement de modèles

  • Entraînement cloud: Entraînez sur des GPU cloud (19 gratuits, 22 avec Pro) avec des métriques en temps réel
  • Entraînement à distance: Entraînez-vous n'importe où et diffusez les métriques vers la plateforme (style W&B)
  • Organisation de projet : Regroupez les modèles associés, comparez les expériences, suivez l'activité
  • 17 formats d'exportation : ONNX, TensorRT, CoreML, TFLite, et plus encore (voir les formats pris en charge)

Capture d'écran d'un projet de la plateforme Ultralytics

Vous pouvez entraîner des modèles soit via l'interface utilisateur web (entraînement cloud), soit depuis votre propre machine (entraînement à distance) :

  1. Accédez à votre projet
  2. Cliquer Train Model
  3. Sélectionner le jeu de données, le modèle, le GPU et les époques
  4. Suivre les courbes de perte et les métriques en temps réel
# Install ultralytics
pip install "ultralytics>=8.4.14"

# Set your API key
export ULTRALYTICS_API_KEY="your_api_key"

# Train and stream metrics to the platform
yolo train model=yolo26n.pt data=coco.yaml epochs=100 project=username/my-project name=exp1
import os

from ultralytics import YOLO

os.environ["ULTRALYTICS_API_KEY"] = "your_api_key"

model = YOLO("yolo26n.pt")
model.train(
    data="coco.yaml",
    epochs=100,
    project="username/my-project",
    name="exp1",
)
# Metrics stream to Platform automatically

Déploiement

  • Test d'inférence : Testez les modèles directement dans le navigateur avec des images personnalisées
  • Points de terminaison dédiés : Déployez dans 43 régions mondiales avec mise à l'échelle automatique
  • Surveillance : Métriques en temps réel, journaux de requêtes et tableaux de bord de performance
graph LR
    A[Trained Model] --> B{Action}
    B --> C[Browser Predict]
    B --> D[Export Format]
    B --> E[Deploy Endpoint]
    D --> F[ONNX / TensorRT / CoreML / TFLite / ...]
    E --> G[43 Global Regions]
    G --> H[API Endpoint URL]
    H --> I[Monitor & Scale]

Une fois déployé, appelez votre point de terminaison depuis n'importe quel langage :

import requests

url = "https://your-endpoint-url/predict"
headers = {"Authorization": "Bearer your_api_key"}

with open("image.jpg", "rb") as f:
    response = requests.post(url, headers=headers, files={"file": f})

print(response.json())
curl -X POST "https://your-endpoint-url/predict" \
  -H "Authorization: Bearer your_api_key" \
  -F "file=@image.jpg"
const form = new FormData();
form.append("file", fileInput.files[0]);

const response = await fetch("https://your-endpoint-url/predict", {
    method: "POST",
    headers: { Authorization: "Bearer your_api_key" },
    body: form,
});

const results = await response.json();
console.log(results);

Gestion du compte

  • Équipes et Organisations : Collaborez avec les membres de l'équipe, gérez les rôles et les invitations
  • Clés API : Gestion sécurisée des clés pour l'entraînement à distance et l'accès à l'API
  • Crédits et Facturation : Entraînement à la consommation avec une tarification transparente
  • Fil d'activité : track tous les événements et actions du compte
  • Corbeille et restauration : Suppression logique de 30 jours avec récupération des éléments
  • Conformité RGPD : Exportation des données et suppression de compte

Niveaux de forfait

FonctionnalitéGratuitPro (29 $/mois)Entreprise
Crédit d'inscription$5 / $25*-Personnalisé
Crédit mensuel-30 $/siège/moisPersonnalisé
Modèles100500Illimité
Entraînements simultanés310Illimité
Déploiements310Illimité
Stockage100 Go500 GoIllimité
Types de GPU cloud1922 (incl. H200/B200)22
Équipes-Jusqu'à 5 membresJusqu'à 50
SupportCommunautéPrioritéDédié

*5 $ à l'inscription, ou 25 $ avec une adresse e-mail professionnelle vérifiée.

Démarrez avec ces ressources :

FAQ

Comment démarrer avec la plateforme Ultralytics ?

Pour démarrer avec la Plateforme Ultralytics :

  1. Inscription : Créez un compte sur platform.ultralytics.com
  2. Sélectionnez la région : Choisissez votre région de données (US, EU ou AP) lors de l'intégration
  3. Téléchargez le jeu de données : Accédez à la section Jeux de données pour télécharger vos données
  4. Entraînez le modèle : Créez un projet et commencez l'entraînement sur des GPU cloud
  5. Déployez : Testez votre modèle et déployez-le sur un endpoint dédié

Pour un guide détaillé, consultez la page Démarrage rapide.

Quels sont les avantages de la plateforme Ultralytics ?

La Plateforme Ultralytics offre :

  • Flux de travail unifié : Données, entraînement et déploiement en un seul endroit
  • Multi-régions: Résidence des données dans les régions US, UE ou AP
  • Entraînement sans code: Entraînez des modèles YOLO avancés sans écrire de code
  • Métriques en temps réel: Suivez la progression de l'entraînement en continu et surveillez les déploiements
  • 43 régions de déploiement: Déployez des modèles à proximité de vos utilisateurs partout dans le monde
  • 5 types de tâches : Prise en charge de detect, segment, pose, obb et classify (voir la documentation des tâches)
  • Annotation assistée par l'IA: SAM et l'auto-étiquetage pour accélérer la préparation des données

Quelles options de GPU sont disponibles pour l'entraînement dans le cloud ?

La plateforme Ultralytics prend en charge plusieurs types de GPU pour l'entraînement dans le cloud :

GPUVRAMCoût/HeureIdéal pour
RTX 2000 Ada16 Go$0.24Petits jeux de données, tests
RTX A450020 Go$0.24Jeux de données petits et moyens
RTX A500024 Go$0.26Jeux de données moyens
RTX 4000 Ada20 Go$0.38Jeux de données moyens
L424 Go$0.39Optimisé pour l'inférence
A4048 Go$0.40Tailles de lot plus grandes
RTX 309024 Go$0.46Entraînement général
RTX A600048 Go$0.49Grands modèles
RTX 409024 Go$0.59Excellent rapport qualité/prix
RTX 6000 Ada48 Go$0.77Entraînement par grands lots
L40S48 Go$0.86Entraînement par grands lots
RTX 509032 Go$0.89Dernière génération
L4048 Go$0.99Grands modèles
A100 PCIe80 Go$1.39Entraînement pour la production
A100 SXM80 Go$1.49Entraînement pour la production
RTX PRO 600096 Go$1.89Par défaut recommandé
H100 PCIe80 Go$2.39Entraînement le plus rapide
H100 SXM80 Go$2.69Entraînement le plus rapide
H100 NVL94 Go$3.07Entraînement haute mémoire
H200 NVL143 Go$3.39Mémoire maximale (Pro+)
H200 SXM141 Go$3.59Performances maximales (Pro+)
B200180 Go$4.99Modèles les plus grands (Pro+)

Consultez Entraînement dans le cloud pour connaître les tarifs complets et les options de GPU.

Comment fonctionne l'entraînement à distance ?

Vous pouvez entraîner des modèles sur votre propre matériel et diffuser des métriques en temps réel vers la plateforme, à l'instar de Weights & Biases.

Version de package requise

L'intégration de la plateforme nécessite ultralytics>=8.4.14. Les versions antérieures NE fonctionneront PAS avec la plateforme.

pip install "ultralytics>=8.4.14"
# Set your API key
export ULTRALYTICS_API_KEY="your_api_key"

# Train with project/name to stream metrics
yolo train model=yolo26n.pt data=coco.yaml epochs=100 project=username/my-project name=exp1
import os

from ultralytics import YOLO

os.environ["ULTRALYTICS_API_KEY"] = "your_api_key"

model = YOLO("yolo26n.pt")
model.train(
    data="coco.yaml",
    epochs=100,
    project="username/my-project",
    name="exp1",
)
# Train using a Platform dataset directly
export ULTRALYTICS_API_KEY="your_api_key"

yolo train model=yolo26n.pt data=ul://username/datasets/my-dataset epochs=100 project=username/my-project name=exp1

Consultez Entraînement dans le cloud pour plus de détails sur l'entraînement à distance.

Quels outils d'annotation sont disponibles ?

La plateforme inclut un éditeur d'annotation complet prenant en charge :

  • Outils manuels: Boîtes englobantes, polygones, points clés avec modèles de squelettes, boîtes orientées, classification
  • Modèles de squelettes: Placez tous les points clés en une seule fois à l'aide de modèles intégrés (Personne, Main, Visage, Chien, Boîte) ou personnalisés
  • Annotation Intelligente SAM : Cliquez pour générer des masques précis — choisissez parmi SAM 2.1 Tiny/Small/Base/Large ou le nouveau SAM 3 via le sélecteur de modèle de la barre d'outils
  • Raccourcis clavier: Des flux de travail efficaces avec des raccourcis
RaccourciAction
VSélectionner le mode
SMode d'annotation intelligente SAM
AMode d'auto-annotation
1 - 9Sélectionner la classe par numéro
DeleteSupprimer l'annotation sélectionnée
Ctrl+ZAnnuler
Ctrl+YRétablir
EscapeAnnuler l'action en cours

Consultez Annotation pour le guide complet.

Quels sont les formats d'exportation pris en charge ?

La Plateforme prend en charge 17 formats de déploiement :

FormatExtension de fichierCas d'utilisation
ONNX.onnxDéploiement multiplateforme
TorchScript.torchscriptDéploiement C++
OpenVINO_openvino_modelMatériel Intel
TensorRT.engineInférence GPU NVIDIA
CoreML.mlpackageAppareils Apple
TFLite.tfliteAppareils mobiles\/embarqués
TF SavedModel_saved_modelÉcosystème TensorFlow
TF GraphDef.pbTensorFlow hérité
PaddlePaddle_paddle_modelÉcosystème Baidu
NCNN_ncnn_modelMobile (Android/ARM)
Edge TPU_edgetpu.tfliteAppareils Google Coral
TF.js_web_modelDéploiement navigateur
MNN.mnnAlibaba mobile
RKNN_rknn_modelNPU Rockchip
IMX500_imx_modelCapteur Sony IMX500
Axelera_axelera_modelAccélérateurs Axelera AI
ExecuTorch_executorch_modelPyTorch mobile

Voir Exportation de modèles, le guide du mode d'exportation, et l'index des intégrations pour les options spécifiques au format.

Dépannage

Problèmes de jeu de données

ProblèmeSolution
Le jeu de données ne peut pas être traitéVérifiez que le format de fichier est pris en charge (JPEG, PNG, WebP, etc.). Taille maximale des fichiers : images 50 Mo, vidéos 1 Go, ZIP 10 Go
Annotations manquantesVérifiez que les étiquettes se trouvent dans Format YOLO avec .txt des fichiers correspondant aux noms de fichiers d'image
"Fractionnement d'entraînement requis"Ajouter train/ dossier de votre structure de jeu de données, ou créez des divisions dans paramètres du jeu de données
Noms de classes non définisAjouter un data.yaml fichier avec names: liste (voir Format YOLO), ou définissez les classes dans les paramètres du jeu de données

Problèmes d'entraînement

ProblèmeSolution
L'entraînement ne démarrera pasVérifiez le solde de crédits dans Paramètres > Facturation. Solde positif requis.
Erreur de mémoire insuffisanteRéduisez la taille du lot (batch size), utilisez un modèle plus petit (n/s), ou sélectionnez un GPU avec plus de VRAM
Métriques médiocresVérifiez la qualité du jeu de données, augmentez le nombre d'époques, essayez l'augmentation de données, vérifiez l'équilibre des classes
Entraînement lentSélectionnez un GPU plus rapide, réduisez la taille de l'image, assurez-vous que le jeu de données n'est pas un goulot d'étranglement

Problèmes de déploiement

ProblèmeSolution
Le point de terminaison ne répond pasVérifiez l'état du point de terminaison (Prêt vs Arrêté). Le démarrage à froid peut prendre 5 à 15 secondes.
401 Non autoriséVérifiez que la clé API est correcte et dispose des portées requises
Inférence lenteVérifiez la taille du modèle, envisagez l'exportation TensorRT, sélectionnez une région plus proche.
L'exportation a échouéCertains formats nécessitent des architectures de modèle spécifiques. Essayez ONNX pour une compatibilité maximale.

Questions fréquentes

Puis-je changer mon nom d'utilisateur après l'inscription ?

Non, les noms d'utilisateur sont permanents et ne peuvent pas être modifiés. Choisissez-le attentivement lors de l'inscription.

Puis-je modifier ma région de données ?

Non, la région des données est sélectionnée lors de l'inscription et ne peut pas être modifiée. Pour changer de région, créez un nouveau compte et téléchargez à nouveau vos données.

Comment obtenir plus de crédits ?

Allez dans Paramètres > Facturation > Ajouter des crédits. Achetez des crédits de 5 $ à 1000 $. Les crédits achetés n'expirent jamais.

Que se passe-t-il si l'entraînement échoue ?

Vous n'êtes facturé que pour le temps de calcul achevé. Les points de contrôle sont sauvegardés et vous pouvez reprendre l'entraînement.

Puis-je télécharger mon modèle entraîné ?

Oui, cliquez sur l'icône de téléchargement sur n'importe quelle page de modèle pour télécharger le .pt fichier ou les formats exportés.

Comment partager mon travail publiquement ?

Modifiez les paramètres de votre projet ou de votre jeu de données et basculez la visibilité sur « Public ». Le contenu public apparaît sur la page Explorer.

Quelles sont les limites de taille des fichiers ?

Images : 50 Mo, Vidéos : 1 Go, Archives ZIP : 10 Go. Pour les fichiers plus volumineux, divisez-les en plusieurs téléchargements.

Combien de temps les éléments supprimés sont-ils conservés dans la corbeille ?

30 jours. Passé ce délai, les éléments sont définitivement supprimés et ne peuvent pas être récupérés.

Puis-je utiliser les modèles de la Plateforme à des fins commerciales ?

Les plans Gratuit et Pro utilisent la licence AGPL. Pour une utilisation commerciale sans les exigences de l'AGPL, contactez sales@ultralytics.com pour une licence Entreprise.



📅 Créé il y a 2 mois ✏️ Mis à jour il y a 2 jours
glenn-jochersergiuwaxmannLaughing-q

Commentaires