Ultralytics Platform

中文 | 한국어 | 日本語 | Русский | Deutsch | Français | Español | Português | Türkçe | Tiếng Việt | العربية

Ultralytics Platform è una piattaforma di visione artificiale end-to-end completa che ottimizza l'intero flusso di lavoro ML, dalla preparazione dei dati alla distribuzione del modello. Progettata per team e individui che necessitano di soluzioni di visione artificiale pronte per la produzione senza la complessità dell'infrastruttura.

Cos'è la piattaforma Ultralytics?

Ultralytics Platform è progettata per sostituire gli strumenti ML frammentati con una soluzione unificata. Combina le capacità di:

• Roboflow - Gestione e annotazione dei dati
• Weights & Biases - track degli esperimenti
• SageMaker - Addestramento su cloud
• HuggingFace - Deployment di modelli
• Arize - Monitoraggio

Piattaforma all-in-one con supporto nativo per YOLO26 e YOLO11 .

Flusso di lavoro: Carica → Annota → Addestra → Esporta → Distribuisci

La piattaforma offre un flusso di lavoro end-to-end:

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

Cosa puoi fare:

• Carica immagini, video e archivi ZIP per creare set di dati di addestramento
• Visualizza le annotazioni con sovrapposizioni interattive per tutti e 5 i tipi YOLO (vedi attività supportate)
• Addestra i modelli su 22 GPU cloud con metriche in tempo reale
• Esportazione in 17 formati di distribuzione (ONNX, TensorRT, CoreML, TFLite, ecc.)
• Distribuzione in 43 regioni globali con endpoint dedicati con un solo clic
• Monitorare i progressi della formazione, lo stato di implementazione e le metriche di utilizzo
• Collabora rendendo pubblici i progetti e i set di dati per la comunità

Infrastruttura Multi-Regione

I tuoi dati rimangono nella tua regione. La Piattaforma Ultralytics gestisce l'infrastruttura in tre regioni globali:

Selezioni la tua regione durante l'onboarding, e tutti i tuoi dati, modelli e deployment rimangono in quella regione.

Caratteristiche principali

Preparazione dei Dati

• Gestione Dataset: Carica immagini, video o archivi ZIP con elaborazione automatica
• Editor di annotazioni: annotazione manuale per tutti e 5 i tipi YOLO (detect, segment, posa, OBB, classify; vedere le attività supportate)
• SAM Annotation: annotazione intelligente basata su clic utilizzando il modello Segment Anything Model
• Auto-Annotazione: Usa modelli addestrati per pre-etichettare nuovi dati
• Statistiche: Distribuzione delle classi, heatmap di posizione e analisi delle dimensioni

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

Addestramento del Modello

• Formazione sul cloud: formazione su 22 GPU cloud con metriche in tempo reale
• Formazione remota: allenati ovunque e trasmetti i dati alla piattaforma (stile W&B)
• Organizzazione dei Progetti: Raggruppare modelli correlati, confrontare esperimenti, monitorare l'attività
• 17 formati di esportazione: ONNX, TensorRT, CoreML, TFLite e altri (vedi formati supportati)

È possibile addestrare i modelli tramite l'interfaccia utente web (addestramento cloud) o dal proprio computer (addestramento remoto):

# 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

Distribuzione

• Test di Inferenza: Testare i modelli direttamente nel browser con immagini personalizzate
• Endpoint Dedicati: Distribuire in 43 regioni globali con auto-scaling
• Monitoraggio: Metriche in tempo reale, log delle richieste e dashboard delle prestazioni

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]

Una volta implementato, chiama il tuo endpoint da qualsiasi linguaggio:

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);

Gestione dell'Account

• Team e organizzazioni: collabora con i membri del team, gestisci i ruoli e gli inviti
• Chiavi API: Gestione sicura delle chiavi per l'addestramento remoto e l'accesso API
• Crediti e Fatturazione: Addestramento pay-as-you-go con prezzi trasparenti
• Feed attività: tieni traccia di tutti gli eventi e le azioni dell'account
• Cestino e ripristino: eliminazione temporanea per 30 giorni con recupero degli elementi
• Conformità GDPR: Esportazione dei dati ed eliminazione dell'account

Link Rapidi

Inizia con queste risorse:

• Guida Rapida: Crea il tuo primo progetto e addestra un modello in pochi minuti
• Dataset: Carica e gestisci i tuoi dati di addestramento
• Annotazione: Etichetta i tuoi dati con strumenti manuali e assistiti dall'IA
• Progetti: Organizza i tuoi modelli e esperimenti
• Addestramento su Cloud: Addestra su GPU cloud
• Inferenza: Testa i tuoi modelli
• Endpoint: Distribuisci i modelli in produzione
• Monitoraggio: Monitora le prestazioni del deployment
• Chiavi API: Gestisci l'accesso API
• Fatturazione: Crediti e pagamenti
• Attività: Traccia gli eventi dell'account
• Cestino: Recupera gli elementi eliminati
• REST API: Riferimento API

FAQ

Come iniziare con la piattaforma Ultralytics?

Per iniziare con Ultralytics Platform:

1. Registrati: Crea un account su platform.ultralytics.com
2. Seleziona Regione: Scegli la tua regione dati (USA, UE o AP) durante l'onboarding
3. Carica Dataset: Vai alla sezione Dataset per caricare i tuoi dati
4. Addestra Modello: Crea un progetto e inizia l'addestramento su GPU cloud
5. Deploy: Testa il tuo modello e distribuiscilo su un endpoint dedicato

Per una guida dettagliata, consulta la pagina Quickstart.

Quali sono i vantaggi della piattaforma Ultralytics?

Ultralytics Platform offre:

• Flusso di Lavoro Unificato: Dati, addestramento e deployment in un unico ambiente
• Multi-Regione: Residenza dei dati nelle regioni US, EU o AP
• Addestramento No-Code: Addestra modelli YOLO avanzati senza scrivere codice
• Metriche in Tempo Reale: Trasmetti in streaming l'avanzamento dell'addestramento e monitora i deployment
• 43 Regioni di Deployment: Distribuisci i modelli vicino ai tuoi utenti in tutto il mondo
• 5 tipi di attività: supporto per rilevamento, segmentazione, posa, OBB e classificazione (vedere la documentazione relativa alle attività)
• Annotazione Assistita da AI: SAM e auto-etichettatura per accelerare la preparazione dei dati

Quali opzioni GPU sono disponibili per l'addestramento in cloud?

Ultralytics Platform supporta diversi tipi di GPU per l'addestramento in cloud:

Per informazioni complete sui prezzi e GPU , consultare la sezione Formazione sul cloud.

Come funziona l'addestramento remoto?

È possibile addestrare i modelli sul proprio hardware e trasmettere metriche in tempo reale alla piattaforma, in modo simile a Weights & Biases.

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

Consulta Addestramento in Cloud per maggiori dettagli sull'addestramento remoto.

Quali strumenti di annotazione sono disponibili?

La Piattaforma include un editor di annotazioni completo che supporta:

• Strumenti Manuali: Bounding box, poligoni, punti chiave, bounding box orientate, classificazione
• AnnotazioneSAM : clicca per generare maschere precise utilizzando il modello Segment Anything.
• Scorciatoie da Tastiera: Flussi di lavoro efficienti con tasti di scelta rapida

Consulta Annotazione per la guida completa.

Quali formati di esportazione sono supportati?

La piattaforma supporta 17 formati di distribuzione:

Per le opzioni specifiche del formato, consultare Esportazione modelli, la guida alla modalità Esportazione e l'indice Integrazioni.

Risoluzione dei problemi

Problemi relativi al set di dati

Questioni relative alla formazione

Problemi di implementazione

Domande frequenti

📅 Creato 1 mese fa ✏️ Aggiornato 5 giorni fa

Commenti