Ensembles de données
Les jeux de données d'Ultralytics Platform contiennent les images, les étiquettes et les répartitions qui composent tes données d'entraînement. Après l'importation, la plateforme traite automatiquement les images, les étiquettes et les statistiques.
Un ensemble de données est prêt pour l’entraînement une fois son traitement terminé, s’il contient au moins une image dans la partition train, au moins une image dans la partition val ou test, et au moins une image annotée. L’en-tête de l’ensemble de données affiche le badge Ready lorsque ces trois conditions sont remplies, et le badge Not Ready dans le cas contraire. Clique sur le badge pour savoir exactement quelle condition n’est pas remplie.
Collecter des images avec des agents#
Utilise les Agents pour ajouter des images à un ensemble de données lorsqu’une détection de modèle satisfait une condition, par exemple lorsque son niveau de confiance se situe dans une plage choisie. Relie la condition à un bloc Ensemble de données et sélectionne une destination que tu peux modifier. Les images arrivent sans annotation dans la partition train ; les doublons existants sont ignorés. Examine-les et annote-les avec l’éditeur d’annotations existant.
Importer un ensemble de données#
Ultralytics Platform accepte les images, les vidéos, les archives et les fichiers NDJSON.
Si tu as déjà des jeux de données dans Roboflow ou Label Studio hébergé, utilise Intégrations pour les importer directement : aucun export ni nouvel envoi manuel n'est nécessaire. Les données dans Google Cloud Storage, Amazon S3 ou Azure Blob Storage peuvent être utilisées sur place via Stockage cloud. Les espaces de travail Enterprise peuvent utiliser On Premise pour indexer et entraîner les modèles sur des données locales sans envoyer les pixels à Platform.
Formats pris en charge#
| Format | Extensions | Remarques | Taille max. |
|---|---|---|---|
| JPEG | .jpg, .jpeg | Le plus courant, recommandé | 50 MB |
| PNG | .png | Prend en charge la transparence | 50 MB |
| WebP | .webp | Moderne, bonne compression | 50 MB |
| BMP | .bmp | Non compressé | 50 MB |
| TIFF | .tiff, .tif | Haute qualité | 50 MB |
| HEIC | .heic | Photos d’iPhone | 50 MB |
| AVIF | .avif | Format de nouvelle génération | 50 MB |
| JP2 | .jp2 | JPEG 2000 | 50 MB |
| DNG | .dng | Images brutes de l’appareil photo | 50 MB |
| MPO | .mpo | Objet multi-image | 50 MB |
Prise en charge des codecs vidéo#
L’extension de fichier ne suffit pas : le traitement d’une vidéo peut échouer si son codec ne peut pas être décodé.
Les vidéos H.264 dans un conteneur MP4 sont compatibles avec le plus grand nombre de décodeurs et constituent le choix le plus sûr. Si le traitement d’une vidéo échoue, réencode-la avec FFmpeg :
ffmpeg -i input.mov \
-c:v libx264 -pix_fmt yuv420p \
-c:a aac -movflags +faststart \
output.mp4Préparer ton ensemble de données#
Platform prend en charge Ultralytics YOLO, COCO, les fichiers JSON LabelMe, les masques PNG sémantiques, les ensembles de données de profondeur, Ultralytics NDJSON et Labelbox NDJSON, ainsi que les fichiers bruts (non annotés) :
Utilise la structure de répertoires YOLO standard avec un fichier data.yaml :
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.yamlLe fichier YAML définit la configuration de ton ensemble de données :
# data.yaml
train: images/train
val: images/val
names:
0: person
1: car
2: dogBrut : importe des images non annotées (sans annotations). Cette option est utile si tu prévois de les annoter directement sur la plateforme à l’aide de l’éditeur d’annotations.
Tu peux aussi importer des images sans dossiers de partition explicites. Platform respecte la partition cible active lors de l’importation. Si aucune partition cible n’est définie et que l’importation laisse val vide — ou avec moins de deux cartes appariées pour les données de profondeur —, les images d’entraînement des ensembles de données autres que ceux de classification sont automatiquement déplacées vers val afin que l’ensemble de données puisse être entraîné immédiatement. Les ensembles de données de classification sont ignorés, car leurs partitions sont définies par répertoire. Tu peux toujours réattribuer les images plus tard à l’aide du déplacement groupé vers une partition ou de la redistribution des partitions.
Le format est détecté automatiquement : les jeux de données contenant un fichier data.yaml avec des clés names, train ou val sont traités comme des jeux de données YOLO. Les jeux de données avec des fichiers JSON COCO (contenant les tableaux images, annotations et categories) sont traités comme des jeux de données COCO. En l’absence de fichier COCO, les fichiers JSON LabelMe par image (contenant shapes et imagePath) sont lus comme des annotations LabelMe. Les exports .ndjson sont importés au format NDJSON Ultralytics, ou comme des exports Labelbox lorsque leurs lignes contiennent une clé data_row. Les jeux de données contenant uniquement des images et aucune annotation sont traités comme des données brutes.
Lorsqu’une archive contient plusieurs fichiers YAML, Platform privilégie les noms standard (data.yaml, data.yml, dataset.yaml, dataset.yml) les plus proches de la racine de l’archive. Pour éviter toute ambiguïté, conserve un seul fichier YAML clairement nommé par archive.
Les fichiers d’annotation au format XML Pascal VOC sont détectés, mais leurs annotations ne sont pas importées : les images sont chargées sans elles, et au moins cinq images placées dans un dossier comme images/ ou JPEGImages/ héritent également d’une classe portant le nom de ce dossier. Platform t’avertit avant le début du chargement (« Étiquettes Pascal VOC détectées »). Convertis d’abord les fichiers XML VOC au format YOLO ou COCO ; consulte les outils de conversion de format.
Si les étiquettes font référence à des identifiants de classe, mais qu’aucun nom de classe n’est fourni, Platform remappe les identifiants en une séquence dense commençant à 0 et nomme chaque classe d’après son identifiant source (class0, class3, …), que tu peux ensuite renommer dans l’onglet Classes.
Pour en savoir plus sur les formats propres à chaque tâche, consulte les tâches prises en charge et la présentation des jeux de données.
Processus de chargement#
Pour créer un jeu de données :
- Dans la barre latérale, accède à
Annotate - Clique sur
New Dataset - Choisis un onglet de source de données (voir les sources de données ci-dessous)
- Ajoute un nom — le segment d’URL est généré automatiquement et peut être modifié — ainsi qu’une description facultative
- Sélectionne le type de tâche (voir les tâches prises en charge), une licence facultative (voir les licences disponibles) et la visibilité (publique ou privée). Un nouveau jeu de données public est créé avec CC BY 4.0 sélectionné ; choisis une autre licence ou Aucune pour la modifier
- Clique sur
Create & Uploadpour les fichiers locaux, surCreate & Importpour une URL ou une source connectée, ou surCreate Datasetpour commencer avec un jeu de données vide

Pour ajouter des fichiers à un jeu de données existant, ouvre sa page et fais glisser les fichiers dans la galerie ou clique sur l’icône de chargement dans l’en-tête de la page. L’icône de chargement ouvre directement le sélecteur de fichiers natif de ton navigateur, car la tâche du jeu de données est déjà définie.
Sources de données#
La boîte de dialogue New Dataset propose quatre sources :
| Source | Description |
|---|---|
| Téléverser | Fais glisser les fichiers ou sélectionne-les : images, vidéos, archives ou fichiers NDJSON |
| URL | Colle un lien direct vers un fichier .zip, .tar, .tar.gz, .tgz ou .ndjson ; Platform le télécharge et l’ingère côté serveur |
| Cloud | Utilise les données sur place depuis Google Cloud Storage, Amazon S3 ou Azure Blob Storage (Pro et Enterprise) |
| Sur site | Indexe les données et entraîne un modèle sans qu’elles quittent tes propres machines grâce aux workers On Premise (Enterprise) |
Les jeux de données de profondeur peuvent être créés uniquement depuis Upload ou URL ; les onglets Cloud et On Premise sont désactivés pour la tâche de profondeur.
L’importation par URL est limitée à la fois par la limite de chargement de ton forfait (10 Go Free / 20 Go Pro / 50 Go Enterprise) et par ton espace de stockage restant, selon la limite la plus basse. Le lien doit être accessible publiquement via HTTP ou HTTPS et se terminer par une extension prise en charge.
Avant le début du chargement#
Platform valide tes fichiers dans le navigateur avant de les charger, afin que les problèmes courants apparaissent immédiatement plutôt qu’après un long transfert. Les archives sont vérifiées pour détecter toute corruption, tout contenu vide ou protégé par mot de passe, ainsi que les erreurs de syntaxe YAML ; les fichiers trop volumineux sont répertoriés par nom.
Deux boîtes de dialogue peuvent ensuite s’afficher :
Lorsqu’une archive ZIP déclare des noms de classes et que ton jeu de données contient déjà des classes, la boîte de dialogue Map classes affiche une ligne par classe entrante. Associe chaque classe à une classe existante ou crée une nouvelle classe, ou décoche sa case Inclure pour l’ignorer. Les noms correspondants (sans tenir compte de la casse, sauf pour les noms d’un ou deux caractères) sont présélectionnés, et les annotations des classes ignorées ne sont pas importées.
Après le chargement, la plateforme traite automatiquement tes données :
- Validation : vérification du format et de la taille
- Normalisation : les grandes images sont redimensionnées (maximum 4096 px, dimension minimale 28 px), les niveaux de gris sont convertis en RGB, la transparence est aplatie sur un fond blanc et l'orientation EXIF est appliquée ; les originaux TIFF sont stockés tels qu'ils ont été importés, sauf si l'entraînement nécessite leur conversion (voir « Encodage des images stockées » ci-dessous).
- Vignettes : génération d’aperçus WebP de 256 px
- Analyse des étiquettes : extraction des étiquettes YOLO, COCO, LabelMe et NDJSON Ultralytics ou Labelbox
- Statistiques : calcul de la distribution des classes et des dimensions des images
Les originaux TIFF sont stockés octet pour octet, à l'exception des TIFF à virgule flottante multibandes dans les jeux de données comportant jusqu'à 3 canaux, que l'entraînement ne peut pas lire : ils conservent leurs trois premières bandes, sont mis à l'échelle sur 8 bits et réencodés. Les originaux AVIF et WebP sont stockés octet pour octet lorsqu'aucun redimensionnement ni changement de couleur n'est nécessaire. Tous les autres fichiers sont réencodés : les sources WebP restent au format WebP, et toutes les autres sources (JPEG, PNG, BMP, HEIC, JP2, DNG, MPO, TIFF convertis et AVIF redimensionnés ou dont les couleurs ont été modifiées) deviennent des fichiers JPEG de qualité 92. Le nom de fichier et l'extension source d'origine sont conservés dans les métadonnées.

Valider avant le chargement
Tu peux valider ton jeu de données localement avant de le charger :
from ultralytics.data.utils import check_det_dataset
check_det_dataset("path/to/data.yaml")Le côté le plus court des images doit mesurer au moins 28 px. Les images plus petites sont rejetées lors du traitement. Les images dont le côté le plus long dépasse 4096 px sont automatiquement redimensionnées en préservant leur rapport hauteur/largeur, sauf les originaux TIFF conservés octet pour octet (voir « Encodage des images stockées » ci-dessus).
Parcourir les images#
Affiche les images de ton jeu de données selon plusieurs mises en page.
Ouvre le panneau Clustering depuis la barre d’outils de la galerie pour explorer ton jeu de données sous forme de nuage de points 2D interactif.
| Affichage | Description |
|---|---|
| Grille | Grille de vignettes avec superposition des annotations (par défaut) |
| Compact | Vignettes plus petites pour parcourir rapidement les images |
| Tableau | Liste avec vignette, nom de fichier, dimensions, taille, partition, classes et nombre d’étiquettes |

Tri et filtrage#
Tu peux trier et filtrer les images pour les parcourir efficacement :
Chaque option bascule entre l’ordre croissant (↑) et décroissant (↓) :
| Trier | Description |
|---|---|
| Date de création ↑/↓ | Ordre de chargement (↓ par défaut) |
| Nom ↑/↓ | Ordre alphabétique des noms de fichier |
| Hauteur ↑/↓ | Hauteur de l’image en pixels |
| Largeur ↑/↓ | Largeur de l’image en pixels |
| Taille ↑/↓ | Taille du fichier sur le disque |
| Annotations ↑/↓ | Nombre d’annotations par image |
Pour les jeux de données de plus de 100 000 images, les tris par nom, largeur, hauteur et taille sont masqués afin de préserver la réactivité de la galerie. Les tris par date de création et par nombre d’annotations restent disponibles.
Utilise le filtre Annotations avec la valeur Unannotated pour trouver rapidement les images qui doivent encore être annotées. C’est particulièrement utile pour les grands jeux de données dont tu veux suivre l’avancement de l’annotation.
La barre de recherche se trouve à droite de la barre d’outils de la galerie et filtre tous les modes d’affichage — grille, compact et tableau. Elle recherche le nom de fichier de l’image (l’extension du fichier est facultative), le nom de toute classe annotée dans l’image, ainsi que les clés de métadonnées personnalisées, les valeurs scalaires et les éléments de tableau. Une image nommée img_0042, comportant une annotation boat et des métadonnées {"ship_type": "yacht"}, peut donc être trouvée en recherchant img_0042, boat ou yacht.
Les valeurs imbriquées dans des sous-objets ne sont pas prises en compte. Si tu colles un ID d’image de 24 caractères ou un hachage de contenu de 32 caractères, l’image correspondante est recherchée directement, sans passer par la recherche textuelle.
Les résultats sont classés par pertinence : les images dont le nom de fichier, la classe ou les métadonnées correspondent apparaissent en premier, puis jusqu’à 1 000 autres images ressemblant au terme recherché, comme forklift near a doorway. Le tri n’est pas disponible tant qu’une recherche est en cours. Une recherche qui se termine par une extension de fichier ignore les images similaires, et une recherche qui se termine par une extension de fichier image, comme img_0042.jpg, porte uniquement sur les noms de fichiers.
Visionneuse plein écran#
Clique sur une image pour ouvrir la visionneuse plein écran, qui propose :
- Navigation : parcours les images avec les touches fléchées ou les aperçus des vignettes
- Informations sur l’image : consulte les propriétés générées par Platform, les métadonnées personnalisées et les métadonnées intégrées au fichier, comme EXIF
- Métadonnées personnalisées : les propriétaires et les éditeurs peuvent ajouter ou remplacer un objet JSON, y compris des valeurs imbriquées, jusqu’à 500 000 caractères sérialisés et des clés de premier niveau de 128 caractères maximum
- Annotations : afficher ou masquer les annotations superposées
- Répartition des classes : nombre d’annotations par classe avec des indicateurs de couleur
- Annoter : lorsque tu as un accès en modification, les commandes d’annotation sont immédiatement actives à l’ouverture de la visionneuse plein écran sur ordinateur
- Flouter les visages : fais un clic droit sur l’image ou une annotation pour prévisualiser et appliquer le floutage des visages à l’image, si cette option est disponible
- Rotation : Avec un accès en modification, appuie sur
Rou utilise le bouton de rotation pour faire pivoter l’image et ses annotations de 90° dans le sens horaire. La plateforme conserve l’image telle qu’elle a été stockée initialement et effectue chaque rotation à partir de celle-ci : les rotations successives ne dégradent donc pas l’image, et la remettre à l’endroit restaure l’original. La rotation n’est pas disponible pour les jeux de données de profondeur, les jeux de données multispectraux, les images stockées au format TIFF, ni pour les jeux de données stockés dans le cloud ou sur site - Télécharger : Télécharge le fichier image en pleine résolution, dans l’orientation affichée si tu l’as fait pivoter.
- Supprimer : supprime définitivement l'image du jeu de données après confirmation
- Zoom :
Cmd/Ctrl+Scroll,Cmd/Ctrl++ouCmd/Ctrl+=pour zoomer, etCmd/Ctrl+-pour dézoomer - Réinitialiser l’affichage :
Cmd/Ctrl + 0ou le bouton de réinitialisation pour ajuster l’image à la visionneuse - Déplacer : maintiens
Spaceenfoncée et fais glisser, ou fais glisser avec le bouton central de la souris, pour déplacer la zone de travail quel que soit le niveau de zoom - Vue pixelisée : activer ou désactiver le rendu pixelisé pour examiner les détails de près
- Curseur de profondeur : dans les jeux de données de profondeur, un séparateur déplaçable permet de passer de l’image RGB à sa carte de profondeur colorisée

Filtrer par partition#
Filtrer les images selon leur partition dans le jeu de données :
| Partition | Rôle |
|---|---|
| Entraîner | Utilisé pour l’entraînement du modèle |
| Val | Utilisé pour la validation pendant l’entraînement |
| Test | Utilisé pour l’évaluation finale |
Regroupement en clusters#
Le panneau Clustering projette ton jeu de données sous forme de nuage de points 2D interactif, où les images visuellement similaires sont proches les unes des autres. Utilise-le pour faire ressortir les groupes, repérer les doublons et les valeurs aberrantes, et examiner la répartition des partitions ou des classes dans tes données, sans quitter la galerie. Ouvre-le depuis l’icône de nuage de points dans la barre d’outils de la galerie, sur n’importe quelle page de jeu de données. Ce panneau est uniquement disponible sur ordinateur, et les personnes qui n’ont pas d’accès en modification voient l’icône une fois l’analyse du jeu de données terminée.

Exécuter une analyse#
Lancer une analyse :
- Ouvre un jeu de données et clique sur l’icône de nuage de points dans la barre d’outils de la galerie
- Clique sur
Analyze Dataset - Attends la fin de la barre de progression : les résultats s’affichent dans le même panneau
L’analyse s’exécute en arrière-plan en deux étapes, Computing embeddings et Clustering, et peut prendre quelques minutes selon la taille de ton jeu de données. Tu peux fermer le panneau ou quitter la page et revenir plus tard.
Un jeu de données doit contenir au moins 20 et au plus 200 000 images sans erreur pour être analysé. Les jeux de données stockés dans le cloud doivent avoir les fonctionnalités d’IA activées, et les jeux de données sur site ne sont pas pris en charge.
Visualisation#
Une fois l’analyse terminée, le panneau affiche un nuage de points 2D de toutes les images analysées, avec une légende et un compteur de points. Les filtres de la galerie (partition, classe, avec ou sans annotation) estompent les points qui ne correspondent pas aux filtres pour que tu puisses te concentrer sur le sous-ensemble qui t’intéresse ; le compteur affiche alors visible / total points.

Colorer par#
Modifie la façon dont les points de données sont colorés avec le menu déroulant Color by dans la barre d’outils du panneau. Change de mode d’affichage à tout moment : le nuage de points est recoloré instantanément pour te permettre de visualiser la répartition des partitions, des classes ou des propriétés des images dans tes groupes :
| Option | Coloration |
|---|---|
| Partitions | Train / Val / Test |
| Classes | Première classe d’annotation de chaque image |
| Groupes | Îlot visuel dans la disposition, du plus grand au plus petit ; Dispersés pour les points qui ne se trouvent dans aucun îlot, Non calculé pour les dispositions analysées avant l’ajout de cette option |
| Largeur | Largeur de l’image |
| Hauteur | Hauteur de l’image |
| Taille | Taille du fichier |
| Annotations | Nombre d’annotations par image |

Sélection par lasso et clic#
Dessine une sélection de forme libre autour d’une région pour mettre en évidence les points du nuage, ou clique sur un point pour sélectionner tous les points représentés par la même couleur (uniquement ce point si la coloration est basée sur la largeur, la hauteur, la taille ou le nombre d’annotations) ; clique sur une zone vide du nuage pour effacer la sélection. La galerie est filtrée pour n’afficher que les images correspondantes, afin que tu puisses les examiner, réannoter, déplacer ou supprimer à l’aide des opérations habituelles sur les images.
Une pastille au-dessus du graphique indique le nombre de points sélectionnés : clique sur × ou sur une zone vide du nuage pour effacer la sélection et revenir à la vue complète de la galerie.
Une sélection par lasso ou par clic porte sur 1 000 images au maximum. Si ta sélection en contient davantage, Platform en affiche un échantillon de 1 000 et te suggère de dessiner une région plus petite.
Déplacement et zoom#
Explore les grands nuages de points directement avec ta souris et ton clavier, ou avec les boutons de zoom en bas à gauche du graphique :
| Entrée | Action |
|---|---|
| Défilement | Déplacer le nuage de points en 2D |
| Cmd/Ctrl+Défilement | Zoomer ou dézoomer autour du curseur |
| Maintenir Espace | Passer en mode déplacement par glisser-déposer |
| Bouton de réinitialisation | Rétablir l’étendue complète du nuage de points |
Relancer l’analyse#
Si ton jeu de données change après l’analyse — de nouvelles images sont ajoutées ou le nombre d’images analysées ne correspond plus à celui du jeu de données — ou si l’analyse date d’avant l’option de coloration Groupes, un bouton Re-analyze apparaît en haut du panneau pour les propriétaires et les éditeurs.
Clique sur Re-analyze pour recalculer les représentations vectorielles et la projection 2D depuis le début.
Trouver des images similaires#
Les mêmes embeddings alimentent la recherche par similarité dans les jeux de données publics, ainsi que dans tes propres jeux de données et ceux de ton équipe. Dans un jeu de données que tu peux modifier, fais un clic droit sur une image en vue Grille ou Compacte (ou sur une seule ligne sélectionnée en vue Tableau) et choisis Trouver des images similaires. La boîte de dialogue affiche l’image source à côté de jusqu’à 24 des images les plus proches, chacune accompagnée de son score de similarité, en excluant ton jeu de données et tout jeu de données contenant une copie de l’image sélectionnée. Les interrupteurs sous l’image source affinent la recherche, et chaque modification lance une nouvelle recherche, qui renvoie toujours jusqu’à 24 images même si les critères sont plus précis :
- Commercial : jeux de données sous toute licence figurant dans Licences disponibles, à l’exception de ceux dont l’identifiant contient
NC, deResearch-Only, deOtheret deNone - Recherche et communauté : jeux de données sous une licence dont l’identifiant contient
NC,Research-OnlyouOther, ainsi que les jeux de données sans licence (None) - Tes images : tes propres jeux de données et ceux de ton équipe ; désactive cette option pour rechercher uniquement dans les jeux de données publics
Les trois options sont activées par défaut, et un groupe de licences reste toujours activé. Les groupes de licences s’appliquent aussi à tes propres jeux de données et à ceux de ton équipe, et l’icône d’information à côté de chaque groupe répertorie ses licences. Active Afficher les licences au-dessus des résultats pour afficher la licence de chaque image sous forme de badge. Clique sur une image pour l’afficher en taille réelle et voir son jeu de données source, sa licence et son score de similarité. Sélectionne des images à l’aide de leurs cases à cocher (ou sélectionne-les toutes), puis clique sur Ajouter N au jeu de données : elles sont ajoutées à la partition train en tant qu’images non annotées, comptabilisées dans ton espace de stockage et prêtes pour l’annotation.

Une image sans embedding — dans un jeu de données qui n’a pas encore été analysé ou qui a été ajoutée depuis la dernière analyse — est convertie en embedding à l’ouverture de la boîte de dialogue ; tu n’as donc pas besoin de lancer d’abord une analyse de regroupement. Pour les jeux de données stockés dans le cloud, l’option Fonctionnalités d’IA doit être activée et la boîte de dialogue s’ouvre uniquement en mode consultation, car les images ne peuvent pas être ajoutées à un jeu de données connecté ; cette fonctionnalité n’est pas disponible pour les jeux de données On Premise. Les diagnostics de validation par image d’un modèle lancent la même recherche, avec les mêmes options, à partir de ses images les moins performantes.
Onglets des jeux de données#
Chaque page de jeu de données peut afficher jusqu’à sept onglets, selon l’état du jeu de données et tes autorisations :
Onglet Images#
La vue par défaut affiche la galerie d’images avec les annotations superposées. Elle propose les modes d’affichage grille, compact et tableau. Glisse-dépose des fichiers ici pour ajouter des images.
Onglet Classes#
Cet onglet apparaît lorsque le jeu de données contient des images et que sa tâche comporte des classes.
Gère les classes d’annotation de ton jeu de données :
- Histogramme des classes : graphique en barres indiquant le nombre d’annotations par classe, triées par fréquence, avec une option pour basculer entre une échelle linéaire et logarithmique
- Tableau des classes : tableau triable et consultable avec l’index, le nom, le nombre d’annotations et le nombre d’images
- Modifier les noms des classes : clique sur le nom d’une 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 classe : utilise le champ de saisie en bas pour ajouter des classes
- Fusionner des classes : sélectionne au moins deux lignes et clique sur
Merge into one - Supprimer des classes : sélectionne une ou plusieurs lignes et clique sur
Delete

Si ton jeu de données présente un déséquilibre entre les classes (par exemple, 10 000 annotations « personne », mais seulement 50 « vélo »), utilise l’option Log Scale de l’histogramme des classes pour visualiser clairement toutes les classes.
Fusionner des classes#
La fusion regroupe les étiquettes en double ou qui se chevauchent ; par exemple, fusionne car, automobile et vehicle dans une seule classe :
- Sélectionne au moins deux classes à l’aide des cases à cocher des lignes
- Clique sur
Merge into onedans l’en-tête du tableau, ou fais un clic droit sur la sélection - Choisis laquelle des classes sélectionnées sera la cible dans laquelle les autres seront fusionnées
- Confirme
Chaque annotation appartenant aux classes sources est réaffectée à la classe cible, et les classes sources sont supprimées. Aucune annotation n’est supprimée ; le nombre total d’annotations du jeu de données reste donc inchangé.
Supprimer des classes#
- Sélectionne une ou plusieurs classes à l’aide des cases à cocher des lignes
- Clique sur
Deletedans l’en-tête du tableau, ou fais un clic droit sur la sélection - Confirme
La suppression d’une classe supprime la classe et toutes ses annotations. Pour les jeux de données de classification, les étiquettes sont supprimées, mais les images sont conservées et deviennent non annotées.
Les identifiants de classe sont positionnels. La fusion ou la suppression d’une classe décale tous les indices de classe supérieurs d’une position pour combler l’écart ; les exports et fichiers d’annotations créés avant cette modification ne correspondent donc plus aux nouveaux indices. Crée d’abord une version si tu as besoin de conserver l’ancienne numérotation.
Le nombre de classes est calculé sur un maximum de 100 000 images. Pour les jeux de données plus volumineux, une note au-dessus de l’histogramme indique « Basé sur un sous-ensemble de 100 000 images de ce jeu de données. »
Onglet Graphiques#
Cet onglet s’affiche lorsque le jeu de données contient des images.
Statistiques calculées automatiquement à partir de ton jeu de données :
Les graphiques apparaissent dans cet ordre, et chacun est omis si le jeu de données ne contient aucune donnée correspondante : un jeu de données d’images brutes n’affiche aucun graphique d’annotations, et Points per Instance n’apparaît que pour les données de segmentation et de pose :
| Graphique | Description |
|---|---|
| Répartition des ensembles | Diagramme en anneau du nombre d’images d’entraînement, de validation et de test, ainsi que du pourcentage d’images annotées |
| Principales classes | Diagramme en anneau des 10 classes d’annotations les plus fréquentes, les autres étant regroupées sous « Autres » |
| Dimensions des images | Histogramme superposé de la répartition de la largeur et de la hauteur des images, avec la moyenne |
| Taille des fichiers image | Histogramme de la répartition de la taille des fichiers image |
| Dimensions des images en 2D | Carte thermique 2D de la largeur en fonction de la hauteur, avec des lignes de référence du rapport hauteur/largeur |
| Emplacements des annotations | Carte thermique 2D des positions centrales des boîtes englobantes |
| Formats d’image | Répartition des formats des images sources (JPG, PNG, etc.) |
| Dimensions des boîtes englobantes | Histogramme superposé de la largeur et de la hauteur des boîtes englobantes |
| Objets par image | Histogramme du nombre d’annotations par image |
| Points par instance | Nombre de sommets de polygone ou de points clés par annotation (segmentation/pose) |

La Platform met en cache les statistiques calculées et les invalide lorsque les images, les annotations, les classes ou les ensembles changent. Pour les jeux de données de plus de 100 000 images, les graphiques sont calculés à partir d’un sous-ensemble de 100 000 images, comme indiqué au-dessus de la grille.
Clique sur le bouton d’agrandissement d’une carte thermique pour l’afficher en plein écran. Tu obtiens ainsi une vue plus grande et plus détaillée, utile pour comprendre les motifs spatiaux dans les grands jeux de données.
Onglet Modèles#
Consulte tous les modèles entraînés sur ce jeu de données dans un tableau consultable :
| Colonne | Description |
|---|---|
| Modèle | Projet parent et nom du modèle, avec des liens |
| Version | Version immuable du jeu de données utilisée pour l’entraînement, affichée lorsqu’un modèle répertorié en utilise une |
| Statut | Badge d’état de l’entraînement |
| Tâche | Type de tâche YOLO |
| Époques | Meilleure époque / nombre total d’époques |
| Métriques | Deux métriques principales pour chaque tâche du tableau, par exemple mAP50 et mAP50-95 pour la détection, ou la précision Top-1 et Top-5 |
| Date de création | Date de création |

Onglet Commentaires#
Les jeux de données publics affichent un fil de discussion. Tout le monde peut le lire ; pour publier, répondre, modifier ou voter, tu dois te connecter.
Onglet Erreurs#
Cet onglet s’affiche uniquement lorsqu’un ou plusieurs fichiers ne sont pas traités correctement.
Les images dont le traitement a échoué sont répertoriées ici avec :
- Bannière d’erreur : nombre total d’images dont le traitement a échoué et conseils
- Tableau des erreurs : nom du fichier, description de l’erreur facile à comprendre, conseils de résolution et vignette d’aperçu
- Les erreurs courantes comprennent les fichiers endommagés, les formats non pris en charge, les images trop petites (min. 28 px) et les modes colorimétriques non pris en charge

Erreurs de traitement courantes
| Erreur | Cause | Solution |
|---|---|---|
| Impossible de lire le fichier image | Format endommagé ou non pris en charge | Réexporte l’image depuis l’éditeur |
| Fichier incomplet ou endommagé | Le fichier a été tronqué pendant le transfert | Télécharge à nouveau le fichier d’origine |
| Format d’image non pris en charge | La Platform ne peut pas décoder ce format | Convertis l’image au format JPG, PNG ou WebP |
| Erreur d’autorisation sur le fichier | Le fichier est verrouillé ou protégé en lecture | Déverrouille le fichier et téléverse-le à nouveau |
| Image trop petite | La dimension minimale est inférieure à 28 px | Utilise des images sources de plus haute résolution |
| Mode colorimétrique non pris en charge | Mode colorimétrique CMYK ou indexé | Convertis l’image en mode RGB |
Onglet Versions#
Crée des instantanés NDJSON immuables de ton jeu de données pour garantir la reproductibilité de l’entraînement. Chaque version enregistre le nombre d’images, de classes et d’annotations, ainsi que l’espace de stockage ajouté au moment de sa création.
| Colonne | Description |
|---|---|
| Version | Numéro de version (v1, v2, ...) |
| Description | Description fournie par l’utilisateur (modifiable) |
| Images | Nombre d’images au moment de l’instantané |
| Classes | Nombre de classes au moment de l’instantané |
| Annotations | Nombre d’annotations au moment de l’instantané |
| Taille | Espace de stockage ajouté par cette version |
| Date de création | Date de création de la version |
| Actions | Comparer, télécharger ou restaurer |
Pour créer une version :
- Ouvre l’onglet Versions
- Saisis éventuellement une description (par exemple, « 500 images d’entraînement ajoutées » ou « Classes mal étiquetées corrigées »)
- Clique sur Nouvelle version
- La nouvelle version apparaît dans le tableau. Si le jeu de données correspond à une version existante, par exemple juste après sa restauration, cette version est réutilisée et reçoit la nouvelle description si tu en as saisi une
Chaque version est numérotée séquentiellement (v1, v2, v3...) et est immuable : les versions ne peuvent être ni modifiées ni supprimées, mais leurs descriptions peuvent être changées. Utilise les actions de la ligne pour télécharger ou restaurer une version à tout moment.
Comparer les versions#
Clique sur l’icône de comparaison d’une version après v1 pour voir les changements depuis une version antérieure. Comparer les versions commence par la version précédente ; choisis-en une autre dans le menu De. Les puces regroupées sous Images, Annotations, Classes et Paramètres comptabilisent les images ajoutées, supprimées, modifiées et déplacées vers une autre partition, ainsi que les annotations ajoutées et supprimées ; elles indiquent également les classes ajoutées, supprimées ou renommées et les paramètres du jeu de données qui ont changé. Chaque image modifiée est répertoriée avec son badge. Sélectionne une image pour l’afficher Avant et Après, chaque côté présentant les étiquettes enregistrées dans cette version. Lorsque les métadonnées de l’image ont changé, Modifications des métadonnées répertorie chaque clé ajoutée, supprimée ou modifiée, avec sa valeur dans les deux versions. Lorsque les images, leurs métadonnées et les annotations sont identiques, la boîte de dialogue indique Aucune modification, ou Aucune modification des images si seules les définitions des classes ou les paramètres du jeu de données diffèrent.
La restauration remplace les images, les ensembles, les classes et les annotations actuels du jeu de données par ceux de l’instantané sélectionné. Cette opération est irréversible, sauf si tu enregistres d’abord l’état actuel dans une autre version. Le jeu de données est verrouillé avec l’état processing pendant sa reconstruction. Aucune donnée n’est téléversée à nouveau lors d’une restauration, qui est donc généralement rapide, même pour les grands jeux de données.
Active Enregistrer la version du jeu de données dans la boîte de dialogue d’entraînement dans le cloud pour associer un modèle au jeu de données exact utilisé pour l’entraînement. La Platform réutilise une version correspondante si le contenu du jeu de données n’a pas changé et n’en crée une nouvelle que s’il a changé.
Crée une version avant et après les changements majeurs apportés à ton jeu de données — ajout d’images, correction d’annotations ou rééquilibrage des partitions. Tu peux ainsi comparer les performances du modèle entre différents états du jeu de données.
La taille affichée correspond au stockage de l’instantané compressé ajouté par la version : les enregistrements d’images (URL, partitions, annotations et métadonnées) et les paramètres du jeu de données, pas les pixels des images. Les données d’instantané inchangées depuis une version antérieure sont partagées et comptabilisées pour la version qui les a stockées en premier. Les données réelles des images sont stockées séparément et accessibles via des URL signées. Le stockage des instantanés est déduit du quota de stockage de ton espace de travail ; la création d’une version échoue donc si tu n’as plus de marge disponible. Ce n’est pas le cas lorsque tu réutilises une version correspondante.
Exporter un jeu de données#
Exporte ton jeu de données pour une utilisation hors ligne en téléchargeant un fichier NDJSON depuis l’en-tête du jeu de données ou l’onglet Versions.
Pour exporter :
- Clique sur le bouton Télécharger (icône de téléchargement) dans l’en-tête du jeu de données
- Télécharge directement l’instantané NDJSON actuel
- Utilise l’onglet Versions si tu veux un instantané numéroté immuable que tu pourras télécharger à nouveau 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", "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"}L’objet facultatif metadata au niveau de l’image est conservé lors de l’importation d’un fichier NDJSON dans Platform. Tu peux le consulter ou le modifier dans le panneau d’informations plein écran de l’image. Pour les téléversements d’archives par programmation, l’API d’ingestion des données des jeux de données accepte la table de correspondance de chemins équivalente imageMetadata.
Les jeux de données de pose comportent également un champ kpt_shape dans la ligne d’en-tête du jeu de données, déduit des annotations s’il n’est pas déjà défini.
Les jeux de données avec des couleurs de classe personnalisées contiennent également, dans leur ligne d’en-tête, une liste colors de chaînes "#rrggbb" indexées par identifiant de classe. Les modèles entraînés sur le jeu de données affichent leurs prédictions avec ces couleurs.
Les exportations de profondeur déclarent "task": "depth" et "depth_scale": 1000 dans la ligne du jeu de données. Chaque ligne d’image comprend un depth.url pour son fichier PNG uint16 simple associé. Ultralytics télécharge simultanément les URL des images et des données de profondeur, et crée un fichier YAML d’entraînement avec la même échelle ; le fichier NDJSON peut donc être transmis directement à model.train(data=...).
Le fichier NDJSON contient des liens vers les images plutôt que les images elles-mêmes. Pour récupérer les images et les annotations au format YOLO sur ton ordinateur, transmets directement le fichier, ou l'URI du jeu de données ul://, à model.train(data=...) ; Ultralytics télécharge les images et crée les dossiers YOLO pour toi. Pour obtenir les dossiers sans effectuer d'entraînement, convertis le fichier localement :
import asyncio
from ultralytics.data.converter import convert_ndjson_to_yolo
yaml_path = asyncio.run(convert_ndjson_to_yolo("my-dataset.ndjson", output_path="datasets"))Les URL des images dans le fichier NDJSON exporté sont signées et valides pendant 7 jours. Platform réutilise une exportation en cache pendant 6 jours maximum si le jeu de données n’a pas changé ; un nouveau téléchargement conserve donc toujours au moins un jour de validité. Si tu as besoin de nouvelles URL plus tôt, modifie le jeu de données ou crée une nouvelle version.
L’exportation n’est pas disponible pour les jeux de données sur site, dont les octets des images ne parviennent jamais à Platform.
Consulte la documentation du format NDJSON d’Ultralytics pour obtenir la spécification complète.
Opérations sur les images#
Actions rapides#
Fais un clic droit sur une image en vue Grille ou Compacte, ou sur une seule ligne sélectionnée en vue Tableau, pour accéder aux actions rapides. Les actions disponibles dépendent de tes autorisations de modification et de la source du jeu de données :
| Action | Description |
|---|---|
| Déplacer vers une partition | Réaffecte l’image à la partition Train, Val ou Test |
| Rechercher des images similaires | Recherche des images ressemblantes à ajouter dans les jeux de données publics, les tiens et ceux de ton équipe (voir Rechercher des images similaires) |
| Générer des images similaires | Crée des variantes générées par l’IA, puis ajoute celles que tu conserves (voir Générer des images similaires) |
| Flouter les visages | Floute les visages détectés dans l’image (voir Flouter les visages) |
| Copier / Couper | Copie ou coupe l’image pour la coller dans un autre jeu de données (voir Copier et déplacer des images) |
| Coller | Colle les images copiées ou coupées dans ce jeu de données ; cette option apparaît lorsque le presse-papiers contient des images provenant d’un autre jeu de données |
| Télécharger | Télécharge le fichier image en pleine résolution, dans l’orientation affichée si tu l’as fait pivoter. |
| Supprimer | Supprime définitivement l'image après confirmation ; les images ne vont pas dans la Corbeille |

Le menu contextuel de l’image agit sur l’image sur laquelle tu as cliqué, sauf Coller, qui ajoute les images du presse-papiers. Pour effectuer des opérations groupées sur plusieurs images, utilise la vue Tableau et coche les cases correspondantes.
Déplacer plusieurs images vers une partition#
Réaffecte les images sélectionnées à une autre partition du même jeu de données :
- Passe en vue Tableau
- Sélectionne les images à l’aide des cases à cocher
- Fais un clic droit pour ouvrir le menu contextuel
- Choisis
Move to split> Train, Validation ou Test
Tu peux aussi faire glisser des images vers les onglets de filtre des partitions en vue Grille. Si le déplacement d’une image crée un doublon avec une image identique déjà présente dans la partition cible, Platform te demande si tu veux ignorer l’image, conserver les deux ou la remplacer.
Téléverse toutes les images dans un seul jeu de données, puis utilise le déplacement groupé vers une partition pour organiser les sous-ensembles en partitions d’entraînement, de validation et de test.
Redistribution des partitions#
Redistribue toutes les images entre les partitions d’entraînement, de validation et de test à l’aide de proportions personnalisées :
- Dans l’onglet Images, clique sur la fine barre de séparation colorée juste sous All / Train / Val / Test pour ouvrir la boîte de dialogue Redistribute Splits
- Ajuste les pourcentages des partitions à l’aide de l’une des méthodes ci-dessous
- Vérifie l’aperçu actualisé du nombre d’images pour confirmer la répartition
- Clique sur Appliquer pour réaffecter aléatoirement toutes les images selon tes pourcentages

La boîte de dialogue propose trois façons de définir les proportions des partitions cibles :
| Méthode | Description |
|---|---|
| Faire glisser | Fais glisser les poignées entre les segments colorés pour ajuster visuellement les limites des partitions |
| Saisir | Modifie le pourcentage d’une partition (les deux autres partitions se rééquilibrent automatiquement de façon proportionnelle) |
| Automatique | En un clic, définis instantanément une répartition 80/20 entre entraînement et validation, avec une partition de test à 0 % |
Un aperçu actualisé indique précisément le nombre d’images qui seront affectées à chaque partition avant l’application.
Clique sur le bouton Automatique pour définir instantanément la répartition recommandée 80/20 entre entraînement et validation. C’est la proportion la plus courante pour l’entraînement.
Suppression groupée#
Supprime plusieurs images à la fois :
- Sélectionne des images dans la vue Tableau
- Fais un clic droit et choisis
Delete, ou appuie surCmd/Ctrl+Delete - Confirme la suppression
Copier et déplacer des images#
Copie ou déplace des images d’un jeu de données que tu peux modifier vers un autre, y compris un jeu de données situé dans un autre espace de travail :
- Dans le jeu de données source, fais un clic droit sur une image en vue Grille ou Compacte et choisis Copier ou Couper, ou sélectionne des images en vue Tableau et appuie sur
Cmd/Ctrl+CouCmd/Ctrl+X.Escvide le presse-papiers. - Ouvre le jeu de données de destination, fais un clic droit sur une image et choisis Coller, ou appuie sur
Cmd/Ctrl+V.
Les images collées conservent leurs étiquettes et leurs partitions ; les images déjà présentes dans la destination et dans la même partition sont ignorées. Couper supprime les images collées du jeu de données source ; Copier ne le modifie pas. Le jeu de données source et celui de destination doivent avoir la même tâche et des canaux d’image, des paramètres de points clés de pose et une échelle de profondeur compatibles, même si les images copiées ne comportent pas d’étiquettes. Une destination vide peut hériter des paramètres de canaux d’image et de pose non définis. Les images ne peuvent pas être collées dans un jeu de données connecté.
Les classes sont mises en correspondance par nom, sans tenir compte de la casse sauf pour les noms d’un ou deux caractères, et une destination sans classes reprend la liste de classes de la source. Lorsqu’une image collée utilise une classe absente de la destination, la boîte de dialogue Mapper les classes te demande d’associer chaque classe concernée à une classe du jeu de données ou à une nouvelle classe, ou de décocher sa case Inclure pour ignorer les étiquettes de cette classe ; les images sont collées dans tous les cas.
Générer des images similaires#
Crée de nouvelles images d'entraînement synthétiques à partir d'une image existante. Dans un jeu de données que tu peux modifier, fais un clic droit sur une image dans la vue Grid ou Compact (ou sur une seule ligne sélectionnée dans la vue Table) et choisis Generate similar images. Platform décrit de nouvelles scènes inspirées de l'image et génère une image pour chacune d'elles ; les résultats partagent donc les sujets et le style de l'image source sans la copier.
| Paramètre | Description |
|---|---|
| Modèle | Ultralytics Image 4B (par défaut) est le plus rapide ; Ultralytics Image 6B a un style différent et prend plus de temps |
| Nombre d’images | Nombre de variantes à créer, de 1 à 16 (par défaut 4) |
| Taille de l'image | Longueur du plus grand côté, de 256 à 2048 px, par incréments de 64 (par défaut 1024) |
| Instructions | Description facultative des éléments à modifier ou à conserver, comme l’éclairage, le point de vue, l’arrière-plan ou les objets |

Ultralytics Image 9B et Krea 2 Turbo sont également répertoriés, mais tu ne peux les sélectionner qu’après avoir activé l’Accès anticipé. Krea 2 Turbo est l’option la plus lente. Les proportions de la source sont conservées lorsque cette option est prise en charge. Les images très étroites peuvent nécessiter une dimension maximale plus grande, et les dimensions de sortie sont arrondies et limitées aux tailles prises en charge par le générateur.
Clique sur Generate ou appuie sur ⌘/Ctrl+Entrée dans Instructions. Les images apparaissent au fur et à mesure qu’elles sont prêtes et sont toutes sélectionnées ; Stop arrête un lot en cours tout en conservant les images déjà reçues. Pour essayer d’autres instructions ou paramètres, modifie-les et clique sur Generate more : chaque nouveau lot apparaît au-dessus des précédents, dont la sélection est conservée. Clique sur une image pour l’afficher en taille réelle, décoche celles que tu ne veux pas, puis clique sur Add N to dataset. Les images conservées sont téléversées au format JPEG, portent le nom de l’image source, ne comportent aucune étiquette, sont comptabilisées dans ton espace de stockage et sont prêtes pour l’annotation. Elles utilisent le filtre de partition actif : sélectionne Train avant la génération pour les ajouter à train. Si All est sélectionné, la répartition habituelle des téléversements s’applique, y compris la répartition automatique pour la validation si nécessaire. Cancel supprime les aperçus sans les ajouter. Les images générées respectent le paramètre de floutage des visages au téléversement du jeu de données. Pour les jeux de données stockés dans le cloud, cette action nécessite que les fonctionnalités d’IA soient activées et que le compartiment autorise l’écriture : les images conservées sont enregistrées dans un dossier generated/ du dossier du jeu de données, au lieu d’être stockées sur Platform. Cette fonctionnalité n’est pas disponible pour les compartiments en lecture seule ni pour les jeux de données sur site.
Modèles payants de génération d’images#

Le sélecteur de modèles répertorie également les modèles payants de chaque fournisseur. Les modèles d’OpenAI génèrent des résultats de faible qualité.
| Provider | Model | Cost per 1M tokens (input / output), or per image |
|---|---|---|
| OpenAI | GPT Image 2.6 Flare gpt-image-2.6-flare | $5.00 / $30.00 |
| OpenAI | GPT Image 2.6 Sunburst gpt-image-2.6-sunburst | $5.00 / $30.00 |
Nano Banana 2.1 gemini-nano-banana-2.1 | $1.50 / $7.50 (image output $30.00) | |
Gemini 3.1 Flash-Lite Image gemini-3.1-flash-lite-image | $0.25 / $1.50 (image output $30.00) | |
Gemini 3 Pro Image gemini-3-pro-image | $2.00 / $12.00 (image output $120.00) | |
| Meta | Muse Image 1.0 muse-image-1.0 | $0.01 / image |
| SpaceXAI | Grok Imagine 2.0 grok-imagine-image-2.0 | $0.04 / image |
| SpaceXAI | Grok Imagine grok-imagine-image | $0.02 / image |
| Z.ai | GLM-Image glm-image | $0.015 / image |
Un modèle payant génère des images à l’aide de la clé du fournisseur enregistrée dans les Paramètres > Clés API de l’espace de travail du jeu de données, et le fournisseur facture cette clé pour chaque image, comme pour les modèles d’annotation payants. Sans clé enregistrée, le lot échoue avant la génération de la moindre image et affiche un lien Ajouter une clé API ; si le fournisseur rejette la clé, l’erreur contient un lien vers Vérifier la clé API. Dans un espace de travail d’équipe, demande au propriétaire de l’espace de travail d’ajouter la clé. Chaque lot indique son modèle, sa taille et son coût : Gratuit pour un modèle hébergé ; pour un modèle payant, le montant facturé par le fournisseur, ou Facturé par suivi du nom du fournisseur. Au-dessus des résultats, Total affiche le coût cumulé des lots payants à mesure que les images arrivent.
Flouter les visages#
Dans un jeu de données que tu peux modifier, floute les visages dans les images, par exemple pour protéger la vie privée des personnes présentes dans tes données. Le floutage des visages n'est pas disponible pour les jeux de données connectés ni pour les jeux de données comportant plus de trois canaux d'image.
- Une image : fais un clic droit sur l’image en vue Grille ou Compacte (ou sur une seule ligne sélectionnée en vue Tableau), ou, pendant l’annotation dans le visualiseur plein écran (sauf pour les jeux de données de classification), fais un clic droit sur l’image ou une annotation, puis choisis Flouter les visages.
- Tout le jeu de données : ouvre Autres actions (
⋯) sur la page du jeu de données, puis choisis Flouter les visages.
La boîte de dialogue affiche d’abord un aperçu des visages détectés dans six images maximum (ou dans l’image sélectionnée), sans les modifier. Ajuste Confiance (par défaut 0.25) et Échelle de la boîte (0.5–1.5, par défaut 1, qui redimensionne la boîte de chaque visage autour de son centre) pour relancer l’aperçu, puis clique sur Appliquer afin de remplacer les pixels d’origine de chaque image où des visages sont détectés. Les images sans visage détecté restent inchangées, les étiquettes et les partitions sont conservées, et certains visages peuvent ne pas être détectés ; vérifie donc le résultat. Le floutage ne crée pas automatiquement d’instantané de version. Le floutage d’un jeu de données entier coûte 1,00 $ par tranche de 1 000 images traitées, avec un minimum de 0,01 $ par exécution (facturé comme Annotation automatique) ; la boîte de dialogue affiche l’estimation avant l’application. Les aperçus et le floutage d’une seule image sont gratuits.

Pour flouter les visages des images au fur et à mesure de leur téléversement, active Flouter les visages lorsque tu crées un jeu de données à partir d’un Téléversement ou d’une URL, ou active Flouter les futurs téléversements dans la boîte de dialogue Flouter les visages pour tout le jeu de données. Le réglage Flouter les futurs téléversements est enregistré immédiatement, même si tu fermes la boîte de dialogue sans cliquer sur Appliquer. Les images téléversées ensuite dans le jeu de données sont floutées pendant le traitement, sans frais ; la modification de ce paramètre ne floute pas les images déjà présentes dans le jeu de données.
URI du jeu de données#
Fais référence aux jeux de données Platform à l’aide du format d’URI ul:// (voir Utiliser les jeux de données Platform) :
ul://username/datasets/dataset-slugTu peux aussi coller directement l’URL Web d’un jeu de données ou d’un modèle (par exemple https://platform.ultralytics.com/username/datasets/dataset-slug) ; elle est automatiquement convertie en URI ul://. Fournir une liste de jeux de données permet d’affiner un modèle de base sur chacun d’eux, successivement, par exemple model.train(data=["ul://username/datasets/a", "ul://username/datasets/b"]).
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=100L’URI ul:// fonctionne depuis n’importe quel environnement :
- Machine locale : entraîne-toi sur ton matériel, les données sont téléchargées automatiquement
- Google Colab : accède aux jeux de données de Platform dans des notebooks.
- Serveurs distants : entraîne-toi sur des machines virtuelles cloud avec un accès complet aux jeux de données
Licences disponibles#
La plateforme prend en charge les licences suivantes pour les jeux de données :
| Licence | Type |
|---|---|
| Aucun | Aucune licence sélectionnée |
| CC0-1.0 | Domaine public |
| PDM-1.0 | Domaine public |
| CC-BY-2.5 | Permissive |
| CC-BY-3.0 | Permissive |
| CC-BY-4.0 | Permissive |
| CC-BY-NC-2.0 | Usage non commercial |
| CC-BY-NC-3.0 | Usage non commercial |
| CC-BY-NC-4.0 | Usage non commercial |
| CC-BY-SA-3.0 | Copyleft |
| CC-BY-SA-4.0 | Copyleft |
| CC-BY-NC-SA-3.0 | Copyleft |
| CC-BY-NC-SA-4.0 | Copyleft |
| CC-BY-ND-4.0 | Pas de travaux dérivés |
| CC-BY-NC-ND-2.0 | Usage non commercial |
| CC-BY-NC-ND-4.0 | Usage non commercial |
| Apache-2.0 | Permissive |
| MIT | Permissive |
| BSD-3-Clause | Permissive |
| AGPL-3.0 | Copyleft |
| GPL-2.0 | Copyleft |
| GPL-3.0 | Copyleft |
| LGPL-3.0 | Copyleft |
| ODbL-1.0 | Copyleft |
| DbCL-1.0 | ODbL requise |
| Recherche uniquement | Restreinte |
| Autre | Personnalisée |
Lorsque tu clones un jeu de données sous une licence copyleft (AGPL-3.0, GPL-2.0, GPL-3.0, LGPL-3.0, ODbL-1.0, CC-BY-SA-3.0, CC-BY-SA-4.0, CC-BY-NC-SA-3.0, CC-BY-NC-SA-4.0), le clone hérite de la licence et le sélecteur de licence est verrouillé.
Paramètres de visibilité#
Contrôle qui peut voir ton jeu de données :
| Paramètre | Description |
|---|---|
| Privé | Toi et les membres autorisés de l’espace de travail pouvez y accéder |
| Public | Tout le monde peut le consulter, y compris depuis la page Explore |
La visibilité se définit lors de la création d’un jeu de données dans la boîte de dialogue New Dataset, à l’aide d’un interrupteur qui reprend la visibilité par défaut de l’espace de travail. Pour la modifier plus tard, clique sur le badge Public ou Privé à côté du nom du jeu de données dans le fil d’Ariane de la page ; la mise en public d’un jeu de données nécessite une confirmation. Les jeux de données On Premise sont toujours privés. Les jeux de données publics sont visibles sur la page Explorer.
Modifier le jeu de données#
Les métadonnées du jeu de données se modifient directement sur sa page, sans boîte de dialogue :
- Nom : clique sur le nom du jeu de données pour le modifier. Les modifications sont enregistrées automatiquement lorsque le champ perd le focus ou avec
Enter. Le nom ne peut pas dépasser 100 caractères. - Description : clique sur la description (ou sur l’espace réservé « Ajouter une description... ») pour la modifier. Les modifications sont enregistrées automatiquement. La description ne peut pas dépasser 1 000 caractères.
- Type de tâche : clique sur le badge de la tâche pour sélectionner un autre type de tâche.
- Licence : clique sur le sélecteur de licence pour modifier la licence du jeu de données.
- Icône : clique sur l’icône du jeu de données pour importer ta propre image, utiliser l’une des images du jeu de données comme icône, ou choisir une lettre et une couleur.
Chaque image stocke les annotations de tous les types de tâches. Le changement du type de tâche du jeu de données détermine les annotations visibles dans l'éditeur et incluses dans les exports et l'entraînement. Les annotations des autres types de tâches sont conservées dans la base de données et réapparaissent lorsque tu reviens au type précédent. Un jeu de données de détection affiche, exporte et utilise également les annotations OBB sous forme de boîtes englobantes. La profondeur fait exception : sa vérité terrain est un fichier associé plutôt qu'une annotation ; un jeu de données ne peut donc passer à la profondeur ou en sortir que s'il ne contient aucune image — réimporte-le à la place.
Métadonnées personnalisées#
Ouvre Plus d’actions et sélectionne Informations pour consulter deux sections :
- Métadonnées Ultralytics : informations en lecture seule sur la plateforme, telles que l’ID du jeu de données, le propriétaire, la tâche, le nombre d’images et d’annotations, la région de stockage et les horodatages
- Métadonnées personnalisées : ton propre objet JSON pour la provenance, les conditions de capture, les ID client, la gouvernance ou d’autres données contextuelles
Les personnes qui consultent l’espace de travail peuvent examiner les métadonnées, tandis que les membres autorisés à modifier le contenu peuvent remplacer l’objet de métadonnées personnalisées. L’objet de métadonnées sérialisé est limité à 500 000 caractères, et chaque clé de premier niveau est limitée à 128 caractères. Enregistre un objet vide ({}) pour effacer les métadonnées personnalisées.
Cloner le jeu de données#
Lorsque tu consultes un jeu de données public dont tu n’es pas propriétaire, clique sur Clone Dataset pour ouvrir la boîte de dialogue de clonage. Vérifie l’espace de travail de destination, le nom, la visibilité et la licence, puis confirme le clonage. La copie inclut toutes les images, annotations et définitions de classes, sauf si tu sélectionnes seulement certaines Partitions ou l’une de ses Versions enregistrées ; l’option Jeu de données existant ajoute plutôt les images sans étiquettes à un jeu de données dont tu es propriétaire. Pour ne copier que certaines images, coche-les dans la vue Grille ou Compacte, puis clique sur Cloner les images ; l’option Annotations détermine si leurs étiquettes sont également copiées. Un clone est toujours placé dans un espace de travail différent de celui de la source : pour dupliquer un jeu de données dans son propre espace de travail ou copier des images entre des jeux de données que tu peux modifier, crée ou ouvre le jeu de données de destination et utilise Copier et coller à la place. Les jeux de données sources publics restent publics par défaut, sauf si la visibilité par défaut des jeux de données de l’espace de travail est définie sur Privé. Si le jeu de données d’origine est soumis à une licence copyleft, le clone hérite de cette licence et le sélecteur de licence est verrouillé.
Pour un nouveau jeu de données, la boîte de dialogue de clonage laisse Clone Dataset désactivé tant que l’URL est déjà utilisée dans l’espace de travail cible. Le clonage nécessite un quota de stockage disponible suffisant pour accueillir la copie.
Les jeux de données associés à des sources de stockage cloud ou On Premise ne peuvent pas être clonés, car la plateforme ne stocke pas leurs données d’image.
Ajouter aux favoris et partager#
- Ajouter aux favoris : clique sur l’étoile pour ajouter un jeu de données à tes favoris. Le nombre d’étoiles est visible par tous les utilisateurs.
- Partager : pour les jeux de données publics, clique sur le bouton de partage pour copier un lien, récupérer un extrait d’intégration ou partager sur les réseaux sociaux.
Supprimer le jeu de données#
Supprime un jeu de données dont tu n’as plus besoin :
- Ouvre Plus d’actions (le bouton
…) dans l’en-tête du jeu de données - Choisis Supprimer le jeu de données
- Confirme dans la boîte de dialogue : « \[name] sera déplacé dans la corbeille. Tu peux le restaurer dans les 30 jours. »
Le même menu contient Informations, qui ouvre la boîte de dialogue des métadonnées décrite dans Métadonnées personnalisées, et Actualiser, qui relit le jeu de données depuis le serveur.
Pour supprimer plusieurs jeux de données à la fois, sélectionne leurs lignes dans la vue tableau de l'onglet Jeux de données de ton profil (ou d'un profil d'équipe où tu as le rôle d'éditeur ou un rôle supérieur), puis clique sur Supprimer (N), choisis cette option dans le menu contextuel ou appuie sur Cmd/Ctrl+Delete.
Les jeux de données supprimés sont déplacés dans la corbeille — ils ne sont pas supprimés définitivement. Tu peux les restaurer dans les 30 jours depuis Settings > Trash.
Entraîner sur un jeu de données#
Lance l’entraînement directement depuis ton jeu de données :
- Clique sur
New Modelsur la page du jeu de données - Sélectionne un projet ou crée-en un
- Configure les paramètres d’entraînement
- Lance l’entraînement
Consulte Entraînement dans le cloud pour en savoir plus.
FAQ#
Tes données sont traitées et stockées dans la région sélectionnée (US, EU ou AP). Les images sont :
- Validées pour vérifier leur format et leur taille
- Rejetées si leur dimension minimale est inférieure à 28px
- Normalisées si elles dépassent 4096 px (en préservant le rapport hauteur/largeur ; encodées pour un stockage optimisé ; la plupart des originaux TIFF sont stockés tels qu'ils ont été importés).
- Stockées avec déduplication, de sorte que les images identiques ne sont conservées qu’une seule fois
- Vignettes générées au format WebP de 256px pour accélérer la navigation
Ultralytics Platform gère efficacement le stockage :
- Déduplication : les images identiques dans une même région de données ne sont stockées qu’une seule fois
- Intégrité : l’intégrité des données est vérifiée lors des téléversements
- Efficacité : les clones réutilisent les images stockées au lieu de les copier, tout en étant comptabilisés dans le quota de stockage de l’espace de travail de destination
- Régional : les données restent dans la région sélectionnée (US, EU ou AP)
Oui. Fais glisser les fichiers dans la galerie du jeu de données ou clique sur l’icône de téléversement dans l’en-tête de la page : le sélecteur de fichiers natif de ton navigateur s’ouvre directement. Les nouvelles statistiques sont calculées automatiquement après le traitement.
Oui. Copie ou coupe des images dans un jeu de données, puis colle-les dans un autre jeu de données que tu peux modifier ; elles conservent leurs étiquettes et leurs répartitions, et Couper les supprime de la source. Les classes sont associées par nom, et la boîte de dialogue Associer les classes gère celles qui n’existent pas dans la destination. Consulte Copier et déplacer des images.
La plateforme exporte les jeux de données au format NDJSON, et non dans des dossiers YOLO. Exporter un jeu de données montre comment télécharger les images et créer les dossiers YOLO à partir de ce fichier, avec ou sans entraînement. Les jeux de données sur site ne peuvent pas être exportés.
Ton envoi détermine la partition. Lorsque le filtre de partition Tout est sélectionné, les images des dossiers
train/,val/outest/conservent cette partition. Si tu sélectionnes Train, Val ou Test avant l'envoi, chaque nouvelle image est affectée à cette partition. Si un envoi effectué sans partition sélectionnée laissevalvide, Platform déplace environ 20 % des images d'entraînement (au moins une) versval. Les jeux de données de classification utilisent plutôt leur structure de dossiers, sauf les projets de classification importés depuis Label Studio, qui déplacent environ 20 % de leurs images annotées versval. Les jeux de données de profondeur suivent des règles distinctes pour les cartes de profondeur appariées. Vérifie le badgeReadydu jeu de données avant l'entraînement.Pour modifier la répartition par la suite :
- Modifier le ratio : dans l’onglet Images, clique sur la fine barre de séparation colorée sous All / Train / Val / Test et définis les pourcentages, ou clique sur Auto pour une répartition 80/20 entre entraînement et validation. Consulte Redistribution des ensembles.
- Déplacer des images spécifiques : sélectionne-les dans la vue Tableau, fais un clic droit, puis choisis
Move to split. Consulte Déplacement groupé vers une répartition.
Vérifie l’interrupteur de visibilité avant de créer un jeu de données : les nouveaux jeux de données reprennent la visibilité par défaut de l’espace de travail, qui est Public avec les forfaits Free et Pro, et Privé avec Enterprise jusqu’à ce qu’un propriétaire ou un administrateur la modifie. Un jeu de données public est visible par tout le monde, y compris les personnes qui ne sont pas connectées, et apparaît dans Explorer. Un jeu de données privé n’est visible que par toi et les membres autorisés de l’espace de travail. Les membres ayant un accès en modification peuvent changer la visibilité à partir du badge situé à côté du nom du jeu de données, et les jeux de données On Premise sont toujours privés. Le passage d’un jeu de données au mode privé ne supprime pas les copies que d’autres utilisateurs ont déjà clonées. Consulte les Paramètres de visibilité.
Ultralytics Platform prend en charge les étiquettes YOLO, le format JSON COCO, le format JSON LabelMe, les formats NDJSON Ultralytics et Labelbox, les masques PNG sémantiques et les cartes de profondeur, ainsi que le téléversement d’images brutes. Les étiquettes XML Pascal VOC sont détectées, mais ne sont pas importées :
Un fichier
.txtpar image, avec des coordonnées normalisées (plage de 0 à 1) :Tâche Format Exemple Détection class cx cy w h0 0.5 0.5 0.2 0.3Segmentation class x1 y1 x2 y2 ...0 0.1 0.1 0.9 0.1 0.9 0.9Sémantique class x1 y1 x2 y2 ...0 0.1 0.1 0.9 0.1 0.9 0.9Pose class cx cy w h kx1 ky1 v1 ...0 0.5 0.5 0.2 0.3 0.6 0.7 2OBB class x1 y1 x2 y2 x3 y3 x4 y40 0.1 0.1 0.9 0.1 0.9 0.9 0.1 0.9Classification Structure des répertoires train/cats/,train/dogs/Indicateurs de visibilité des poses : 0=non étiqueté, 1=étiqueté mais occulté, 2=étiqueté et visible. Les jeux de données sémantiques acceptent également les masques PNG au lieu des fichiers polygonaux (voir Masques sémantiques).
Oui. Chaque image stocke ensemble les annotations des 6 types de tâches d'annotation (détection, segmentation, sémantique, classification, pose, OBB). 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 exports et l'entraînement (un jeu de données de détection utilise également les annotations OBB sous forme de boîtes englobantes) ; les annotations des autres tâches sont conservées et réapparaissent lorsque tu reviens au type précédent.
Oui :
Limite Valeur Classes par jeu de données 25,000 Annotations par image 10,000 Coordonnées par annotation 10,000 Nom du jeu de données 100 caractères Description du jeu de données 1 000 caractères Métadonnées personnalisées 500 000 caractères sérialisés Clé de premier niveau des métadonnées 128 caractères Les jeux de données qui lisent leurs données depuis des sources de stockage cloud ou sur site conservent leurs pixels hors de Platform. Les fonctionnalités qui nécessitent des copies des octets des images gérées par Platform ne sont pas disponibles, et celles qui lisent les images sur les GPU Ultralytics nécessitent que les fonctionnalités d’IA soient activées pour le stockage cloud :
Fonctionnalité Connecté au cloud Sur site Annotation intelligente et par lots Avec les fonctionnalités d’IA Indisponible Analyse de regroupement Avec les fonctionnalités d’IA Indisponible Clonage Indisponible Indisponible Instantanés de version Indisponible Indisponible Exportation NDJSON Disponible Indisponible Importation de masques PNG sémantiques Indisponible Disponible Flouter les visages Indisponible Indisponible Rechercher des images similaires Avec les fonctionnalités d’IA, navigation uniquement Indisponible Générer des images similaires Avec les fonctionnalités d’IA et un accès en écriture Indisponible Collage d’images dans le jeu de données Indisponible Indisponible La navigation, l’annotation manuelle, la gestion des classes, les répartitions, les statistiques et l’entraînement fonctionnent normalement.
Commentaires1
Pose une question, partage tes résultats ou aide quelqu’un d’autre.
seanter77
ready
