Link to this sectionJeux de données#

Les datasets de Ultralytics Platform offrent une solution simplifiée pour gérer tes données d'entraînement. Après le chargement, la plateforme traite automatiquement les images, les annotations et les statistiques. Un dataset est prêt à l'entraînement dès que le traitement est terminé et qu'il contient au moins une image dans le split train, au moins une image dans le split val ou test, au moins une image annotée, et un total d'au moins deux images.

Link to this sectionCharger un dataset#

Ultralytics Platform accepte plusieurs formats de chargement pour plus de flexibilité.

Link to this sectionFormats pris en charge#

Link to this sectionPréparation de ton dataset#

La plateforme prend en charge les chargements Ultralytics YOLO, COCO, Ultralytics NDJSON et bruts (non annotés) :

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

Pour les détails spécifiques au format de tâche, voir les tâches prises en charge et l'Aperçu des Datasets.

Link to this sectionProcessus de chargement#

1. Navigue vers Datasets dans la barre latérale
2. Clique sur New Dataset ou glisse les fichiers dans la zone de chargement
3. Sélectionne le type de tâche (voir tâches prises en charge)
4. Ajoute un nom et une description optionnelle
5. Définit la visibilité (publique ou privée) et une licence optionnelle (voir licences disponibles)
6. Clique sur Create & Upload (ou Create Dataset si tu crées un dataset vide)

Après le chargement, la plateforme traite tes données via un pipeline à plusieurs étapes :

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. Validation : Vérifications du format et de la taille
2. Normalisation : Les grandes images sont redimensionnées (max 4096px, dimension minimale 28px)
3. Miniatures : Aperçus WebP 256px générés
4. Analyse des labels : Labels extraits au format YOLO et COCO
5. Statistiques : Distributions des classes et dimensions des images calculées

from ultralytics.data.utils import check_det_dataset

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

Link to this sectionParcourir les images#

Visualise les images de ton dataset dans plusieurs mises en page.

Ouvre le panneau Clustering depuis la barre d'outils de la galerie pour explorer ton dataset sous forme de nuage de points 2D interactif.

Link to this sectionTri et filtrage#

Les images peuvent être triées et filtrées pour une navigation efficace :

Link to this sectionVisionneuse plein écran#

Clique sur n'importe quelle image pour ouvrir la visionneuse plein écran avec :

• Navigation : Touches fléchées ou aperçus miniatures pour parcourir
• Métadonnées : Nom de fichier, dimensions, badge de séparation, nombre d'annotations
• Annotations : Basculer la visibilité de la superposition d'annotations
• Répartition par classe : Nombre d'étiquettes par classe avec indicateurs colorés
• Modifier : Entre dans le mode d'annotation pour ajouter ou modifier des étiquettes
• Télécharger : Télécharge le fichier image original
• Supprimer : Supprime l'image du jeu de données
• Zoom : Cmd/Ctrl+Scroll, Cmd/Ctrl++ ou Cmd/Ctrl+= pour zoomer, et Cmd/Ctrl+- pour dézoomer
• Réinitialiser la vue : Cmd/Ctrl + 0 ou le bouton de réinitialisation pour ajuster l'image à la visionneuse
• Panoramique : Maintiens Space et fais glisser pour déplacer le canevas lorsque tu es zoomé
• Vue pixel : Active le rendu pixélisé pour une inspection détaillée

Link to this sectionFiltrer par séparation (split)#

Filtrer les images par leur séparation dans le jeu de données :

Link to this sectionClustering#

Le panneau Clustering projette ton jeu de données dans un nuage de points 2D interactif où les images visuellement similaires sont proches les unes des autres. Utilise-le pour faire ressortir des clusters, repérer les doublons et les valeurs aberrantes, et inspecter comment les séparations ou les classes sont distribuées sur tes données — sans quitter la galerie. Ouvre-le depuis l'icône de graphique en nuage de points dans la barre d'outils de la galerie sur n'importe quelle page de jeu de données.

Link to this sectionExécution de l'analyse#

Lancer une analyse :

1. Ouvre un jeu de données et clique sur l'icône de graphique en nuage de points dans la barre d'outils de la galerie
2. Clique sur Analyze Dataset
3. Attends que la barre de progression se termine — les résultats apparaissent dans le même panneau

L'analyse s'exécute en arrière-plan et peut prendre quelques minutes selon la taille de ton jeu de données. Tu peux fermer le panneau, quitter la page et revenir plus tard.

Link to this sectionVisualisation#

Une fois l'analyse terminée, le panneau affiche un nuage de points 2D de toutes les images analysées. Les filtres de la galerie (séparation, classe, étiqueté/non étiqueté) estompent les points hors filtre afin que tu puisses te concentrer sur le sous-ensemble qui t'intéresse.

Link to this sectionColorer par#

Change la façon dont les points de données sont ombrés avec le menu déroulant Color by dans la barre d'outils du panneau. Change de mode d'affichage à tout moment — le graphique se recolore instantanément pour que tu puisses voir comment les séparations, les classes ou les propriétés d'image sont distribuées dans tes clusters :

Link to this sectionSélection au lasso#

Dessine une sélection libre autour d'une zone pour mettre en surbrillance des points sur le graphique. La galerie filtre jusqu'aux images correspondantes, afin que tu puisses les inspecter, les réétiqueter, les déplacer ou les supprimer en utilisant les opérations sur les images habituelles.

Link to this sectionDéplacer et zoomer#

Navigue dans les grands nuages de points directement avec ta souris et ton clavier :

Link to this sectionRé-analyser#

Si ton jeu de données change après l'analyse, un bouton Re-analyze apparaît en haut du panneau pour les propriétaires et les éditeurs.

Clique sur Re-analyze pour recalculer les embeddings et la projection 2D à partir de zéro.

Link to this sectionOnglets de jeu de données#

Chaque page de jeu de données peut afficher jusqu'à six onglets, selon l'état du jeu de données et tes autorisations :

Link to this sectionOnglet Images#

La vue par défaut affichant la galerie d'images avec des superpositions d'annotations. Prend en charge les modes d'affichage grille, compact et tableau. Fais glisser et dépose des fichiers ici pour ajouter plus d'images.

Link to this sectionOnglet Classes#

Cet onglet apparaît lorsque le jeu de données contient des images.

Gérer les classes d'annotation pour ton jeu de données :

• Histogramme de classe : Graphique à barres montrant le nombre d'annotations par classe avec bascule d'échelle linéaire/logarithmique
• Tableau des classes : tableau triable et interrogeable contenant le nom de la classe, le nombre d'étiquettes et le nombre d'images
• Modifier les noms des classes : clique sur n'importe quel nom de classe pour le renommer directement
• Modifier les couleurs des classes : clique sur un échantillon de couleur pour changer la couleur de la classe
• Ajouter une nouvelle classe : utilise le champ de saisie en bas pour ajouter des classes

Link to this sectionOnglet Graphiques#

Cet onglet apparaît lorsque le jeu de données contient des images.

Statistiques automatiques calculées à partir de ton jeu de données :

Link to this sectionOnglet Modèles#

Affiche tous les modèles entraînés sur ce jeu de données dans un tableau interrogeable :

Link to this sectionOnglet Erreurs#

Cet onglet n'apparaît que lorsqu'un ou plusieurs fichiers échouent au traitement.

Les images dont le traitement a échoué sont listées ici avec :

• Bannière d'erreur : nombre total d'images ayant échoué et conseils
• Tableau d'erreurs : nom de fichier, description de l'erreur conviviale, conseils de correction et miniature de prévisualisation
• Les erreurs courantes incluent les fichiers corrompus, les formats non pris en charge, les images trop petites (min 28px) et les modes de couleur non pris en charge

Link to this sectionOnglet Versions#

Crée des instantanés NDJSON immuables de ton jeu de données pour un entraînement reproductible. Chaque version capture le nombre d'images, le nombre de classes, le nombre d'annotations et la taille du fichier au moment de la création.

Pour créer une version :

1. Ouvre l'onglet Versions
2. Optionnellement, saisis une description (par exemple, "Ajout de 500 images d'entraînement" ou "Correction d'annotations mal étiquetées")
3. Clique sur + New Version
4. La nouvelle version apparaît dans le tableau
5. Télécharge la version séparément depuis le tableau si nécessaire

Chaque version est numérotée séquentiellement (v1, v2, v3...) et stockée de façon permanente. Tu peux télécharger n'importe quelle version précédente à tout moment depuis le tableau des versions.

Link to this sectionExporter le Dataset#

Exporte ton jeu de données pour une utilisation hors ligne avec un téléchargement NDJSON depuis l'en-tête du jeu de données ou l'onglet Versions.

Pour exporter :

1. Clique sur le bouton Download (icône de téléchargement) dans l'en-tête du jeu de données
2. Télécharge l'instantané NDJSON actuel directement
3. Utilise l'onglet Versions quand tu souhaites un instantané numéroté immuable que tu peux retélécharger plus tard

Le format NDJSON stocke un objet JSON par ligne. La première ligne contient les métadonnées du jeu de données, suivies d'une ligne par image :

{"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"}

Consulte la documentation sur le format NDJSON d'Ultralytics pour obtenir la spécification complète.

Link to this sectionOpérations sur les images#

Link to this sectionActions rapides#

Fais un clic droit sur n'importe quelle image dans la vue Grille ou Compacte pour accéder aux actions rapides :

Link to this sectionDéplacement en masse vers une division#

Réassigne les images sélectionnées à une division différente au sein du même jeu de données :

1. Passe à la vue Tableau
2. Sélectionne les images à l'aide des cases à cocher
3. Fais un clic droit pour ouvrir le menu contextuel
4. Choose Move to split > Train, Validation, or Test

Tu peux aussi glisser-déposer des images sur les onglets de filtrage des divisions dans la vue grille.

Link to this sectionRedistribution des divisions#

Redistribue toutes les images entre les divisions d'entraînement, de validation et de test en utilisant des ratios personnalisés :

1. Clique sur la barre de division dans la barre d'outils du jeu de données pour ouvrir la boîte de dialogue Redistribuer les divisions
2. Ajuste les pourcentages de division en utilisant l'une des méthodes ci-dessous
3. Vérifie l'aperçu en direct du nombre d'images pour confirmer la distribution
4. Clique sur Appliquer pour réassigner aléatoirement toutes les images selon tes pourcentages

La boîte de dialogue propose trois façons de définir tes ratios de division cibles :

Un aperçu en direct montre exactement combien d'images atterriront dans chaque division avant que tu n'appliques les changements.

Link to this sectionSuppression en masse#

Supprime plusieurs images en une seule fois :

1. Sélectionne les images dans la vue tableau
2. Right-click and choose Delete
3. Confirme la suppression

Link to this sectionURI du jeu de données#

Fais référence aux jeux de données de la Platform en utilisant le format d'URI ul:// (consulte Utilisation des jeux de données Platform) :

Utilise cet URI pour entraîner des modèles depuis n'importe où :

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

Link to this sectionLicences disponibles#

La Platform prend en charge les licences suivantes pour les jeux de données :

Link to this sectionParamètres de visibilité#

Contrôle qui peut voir ton jeu de données :

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 sectionModifier le jeu de données#

Les métadonnées du jeu de données sont éditées en ligne directement sur la page du jeu de données — aucune boîte de dialogue nécessaire :

• Name: Click the dataset name to edit it. Changes auto-save on blur or Enter.
• Description : Clique sur la description (ou l'espace réservé "Ajouter une description...") pour la modifier. Les modifications s'enregistrent automatiquement.
• Type de tâche : Clique sur le badge de tâche pour sélectionner un type de tâche différent.
• Licence : Clique sur le sélecteur de licence pour changer la licence du jeu de données.

Link to this sectionCloner un dataset#

Lorsque tu consultes un jeu de données public qui ne t'appartient pas, clique sur Clone Dataset pour en créer une copie dans ton espace de travail. Le clone inclut toutes les images, annotations et définitions de classe. Si le jeu de données original possède une licence copyleft, le clone en hérite et le sélecteur de licence est verrouillé.

Link to this sectionMettre en favori et partager#

• Mettre en favori (Star) : Clique sur le bouton étoile pour ajouter un jeu de données à tes favoris. Le nombre d'étoiles est visible par tous les utilisateurs.
• Partager (Share) : Pour les jeux de données publics, clique sur le bouton de partage pour copier un lien ou partager sur les réseaux sociaux.

Link to this sectionSupprimer le Dataset#

Supprime un jeu de données dont tu n'as plus besoin :

1. Ouvre le menu d'actions du jeu de données
2. Clique sur Delete
3. Confirme dans la boîte de dialogue : "Ceci déplacera [name] vers la corbeille. Tu pourras le restaurer dans un délai de 30 jours."

Link to this sectionEntraîner sur un jeu de données#

Lance l'entraînement directement depuis ton jeu de données :

1. Clique sur New Model sur la page du jeu de données
2. Sélectionne un projet ou crée-en un nouveau
3. Configure les paramètres d'entraînement
4. Lance l'entraînement

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

Consulte Cloud Training pour plus de détails.

Link to this sectionFAQ#

Link to this sectionQu'advient-il de mes données après le téléchargement ?#

Tes données sont traitées et stockées dans la région que tu as sélectionnée (US, EU ou AP). Les images sont :

1. Validées pour le format et la taille
2. Rejetées si la dimension minimale est inférieure à 28px
3. Normalisées si elles sont plus grandes que 4096px (en préservant le rapport hauteur/largeur ; encodées pour un stockage optimisé)
4. Stockées en utilisant le stockage adressable par le contenu (CAS) avec un hachage XXH3-128
5. Miniatures générées en WebP 256px pour une navigation rapide

Link to this sectionComment fonctionne le stockage ?#

La plateforme Ultralytics utilise le Content-Addressable Storage (CAS) pour un stockage efficace :

• Dédoublonnage : Les images identiques téléchargées par différents utilisateurs ne sont stockées qu'une seule fois
• Intégrité : Le hachage XXH3-128 garantit l'intégrité des données
• Efficacité : Réduit les coûts de stockage et accélère le traitement
• Régional : Les données restent dans la région que tu as sélectionnée (US, EU ou AP)

Link to this sectionPuis-je ajouter des images à un jeu de données existant ?#

Oui, glisse-dépose des fichiers sur la page du jeu de données ou utilise le bouton de téléchargement pour ajouter des images supplémentaires. De nouvelles statistiques seront calculées automatiquement.

Link to this sectionComment déplacer des images entre les splits ?#

Utilise la fonctionnalité de déplacement en masse vers un split :

1. Sélectionne les images dans la vue tableau
2. Fais un clic droit et choisis Move to split
3. Sélectionne le split cible (Train, Validation ou Test)

Link to this sectionQuels formats d'étiquettes sont pris en charge ?#

La plateforme Ultralytics prend en charge les étiquettes YOLO, COCO JSON, Ultralytics NDJSON et les téléchargements d'images brutes :

Link to this sectionPuis-je annoter le même jeu de données pour plusieurs types de tâches ?#

Oui. Chaque image stocke les annotations pour les 6 types de tâches (détection, segmentation, sémantique, pose, OBB, classification) ensemble. Tu peux changer le type de tâche actif du jeu de données à tout moment sans perdre les annotations existantes. Seules les annotations correspondant au type de tâche actif sont affichées dans l'éditeur et incluses dans les exportations et l'entraînement — les annotations pour les autres tâches sont conservées et réapparaissent lorsque tu reviens en arrière.