Link to this sectionPreparazione dei dati#
La preparazione dei dati è il fondamento di modelli di computer vision di successo. Ultralytics Platform fornisce strumenti completi per gestire i tuoi dati di training, dal caricamento all'annotazione, fino all'analisi.
Watch: Get Started with Ultralytics Platform - Data
Link to this sectionPanoramica#
La sezione Dati di Ultralytics Platform ti aiuta a:
- Caricare immagini, video e file di dataset (ZIP, TAR inclusi
.tar.gz/.tgz, NDJSON) - Annotare con strumenti di disegno manuale e smart labeling basato su SAM: scegli tra SAM 2.1 o il nuovo SAM 3
- Analizzare i tuoi dati con statistiche e visualizzazioni
- Esportare nel formato NDJSON per il training locale
Link to this sectionWorkflow#
graph LR
A[Upload]:::start --> B[Annotate]:::proc
B --> C[Analyze]:::proc
C --> D[Train]:::out
classDef start fill:#4CAF50,color:#fff
classDef proc fill:#2196F3,color:#fff
classDef out fill:#9C27B0,color:#fff| Fase | Descrizione |
|---|---|
| Upload | Importa immagini, video o archivi con elaborazione automatica |
| Annota | Etichetta i dati con strumenti manuali per tutti i 6 tipi di task, oppure usa l'annotazione SAM per detect, segment, semantic e OBB |
| Analizzare | Visualizza distribuzioni delle classi, mappe di calore spaziali e statistiche sulle dimensioni |
| Esporta | Scarica nel formato NDJSON per l'uso offline |
Link to this sectionAttività supportate#
Ultralytics Platform supporta tutti i 6 tipi di task YOLO:
| Compito | Descrizione | Strumento di annotazione |
|---|---|---|
| Detect | Object detection con bounding box | Strumento rettangolo |
| Segment | Instance segmentation con maschere di pixel | Strumento poligono |
| Semantic | Semantic segmentation con regioni di pixel per classe | Strumento poligono |
| Pose | Keypoint estimation con template di scheletro predefiniti e personalizzati | Strumento keypoint |
| OBB | Oriented bounding boxes per oggetti ruotati | Strumento riquadro orientato |
| Classify | Classificazione a livello di immagine | Selettore di classe |
Il tipo di task viene impostato durante la creazione di un dataset e determina quali strumenti di annotazione sono disponibili. Puoi modificarlo in seguito dal selettore di task nell'intestazione del dataset, ma le annotazioni incompatibili non verranno visualizzate dopo il cambio.
Link to this sectionCaratteristiche principali#
Link to this sectionSmart Storage#
Ultralytics Platform utilizza Content-Addressable Storage (CAS) per una gestione efficiente dei dati:
- Deduplicazione: immagini identiche archiviate una sola volta tramite hashing XXH3-128
- Integrità: l'indirizzamento basato su hash garantisce l'integrità dei dati
- Efficienza: archiviazione ottimizzata ed elaborazione rapida
Link to this sectionURI del dataset#
Fai riferimento ai dataset utilizzando il formato URI ul:// (vedi Uso dei dataset della piattaforma):
yolo train data=ul://username/datasets/my-datasetCiò consente il training sui dataset della piattaforma da qualsiasi macchina con la tua API key configurata.
from ultralytics import YOLO
model = YOLO("yolo26n.pt")
model.train(data="ul://username/datasets/my-dataset", epochs=100)Link to this sectionVersionamento dei dataset#
Crea snapshot immutabili in NDJSON del tuo dataset per un training riproducibile. Ogni versione acquisisce il conteggio delle immagini, delle classi e delle annotazioni al momento della creazione. Vedi Tab Versioni per i dettagli.
Link to this sectionSchede Dataset#
Le pagine del dataset possono mostrare fino a sei tab, a seconda dello stato del dataset e dei tuoi permessi:
| Scheda | Descrizione |
|---|---|
| Immagini | Sfoglia le immagini in vista griglia, compatta o tabella con sovrapposizioni di annotazioni |
| Classes | Visualizza e modifica nomi delle classi, colori e conteggi delle etichette per classe |
| Grafici | Statistiche automatiche: distribuzione degli split, conteggi delle classi, mappe di calore |
| Modelli | Modelli addestrati su questo dataset con metriche e stato |
| Versioni | Crea e scarica snapshot immutabili in NDJSON per un training riproducibile |
| Errori | Immagini che non sono state elaborate con dettagli sull'errore e guida alla risoluzione |
Classes e Charts appaiono quando il dataset contiene immagini. Errors appare solo quando si verificano errori di elaborazione. Versions appare per i proprietari, oppure per gli utenti non proprietari quando le versioni esistono già.
Link to this sectionClustering#
Esplora il tuo dataset come un grafico a dispersione 2D interattivo dove immagini visivamente simili si trovano vicine: utile per far emergere cluster, duplicati e outlier, e per ispezionare come gli split o le classi sono distribuiti tra i tuoi dati. Usa il lazo su una regione del grafico per filtrare la galleria su quelle immagini. Vedi Clustering per i dettagli.
Link to this sectionStatistiche e visualizzazione#
La scheda Charts fornisce un'analisi automatica che include:
- Distribuzione degli split: grafico a ciambella dei conteggi delle immagini train/val/test
- Classi principali: grafico a ciambella delle classi di annotazione più frequenti
- Dimensioni immagine: istogramma della distribuzione di larghezza e altezza delle immagini (in pixel)
- Punti per istanza: distribuzione del conteggio dei vertici del poligono o dei keypoint (dataset segment/pose)
- Posizioni delle annotazioni: mappa di calore 2D delle posizioni centrali dei bounding box
- Dimensioni immagine 2D: mappa di calore 2D della larghezza rispetto all'altezza con linee guida per il rapporto d'aspetto
Link to this sectionLink rapidi#
- Dataset: carica, gestisci ed esporta i tuoi dati di training
- Annotazione: etichetta i dati con strumenti manuali e assistiti dall'IA
- Training nel cloud: addestra modelli sui tuoi dataset annotati
- URI del dataset: usa gli URI
ul://per addestrare da ovunque
Link to this sectionFAQ#
Link to this sectionQuali formati di file sono supportati per il caricamento?#
Ultralytics Platform supporta:
Immagini: JPEG, PNG, WebP, BMP, TIFF, HEIC, AVIF, JP2, DNG, MPO (max 50MB ciascuna)
Video: MP4, WebM, MOV, MKV, M4V (max 1GB, fotogrammi estratti a 1 FPS, max 100 fotogrammi)
File di dataset: archivi ZIP o TAR inclusi .tar.gz e .tgz (max 10GB su Free, 20GB su Pro, 50GB su Enterprise) contenenti immagini con facoltative etichette in formato YOLO, più esportazioni NDJSON
Link to this sectionQual è la dimensione massima del dataset?#
I limiti di archiviazione dipendono dal tuo piano:
| Piano | Limite di archiviazione |
|---|---|
| Gratuito | 100 GB |
| Pro | 500 GB |
| Enterprise | Illimitato |
Limiti per file singolo: immagini 50MB, video 1GB, dataset 10GB su Free / 20GB su Pro / 50GB su Enterprise
Link to this sectionPosso usare i miei dataset della piattaforma per il training locale?#
Sì! Usa il formato URI del dataset per fare training localmente:
export ULTRALYTICS_API_KEY="YOUR_API_KEY"
yolo train model=yolo26n.pt data=ul://username/datasets/my-dataset epochs=100Oppure esporta il tuo dataset in formato NDJSON per un training completamente offline.