Preparazione dei dati#
La preparazione dei dati è la base per realizzare modelli di visione artificiale di successo. Ultralytics Platform offre strumenti completi per gestire i tuoi dati di addestramento, dal caricamento all'annotazione fino all'analisi.
Watch: Get Started with Ultralytics Platform - Data
Panoramica#
La sezione Dati di Ultralytics Platform ti aiuta a:
- Caricare immagini, video e file di dataset (ZIP, TAR inclusi
.tar.gz/.tgz, NDJSON) - Importare da un URL incollando un link diretto a un archivio o a un'esportazione NDJSON, oppure da Roboflow
- Connettere Google Cloud Storage, Amazon S3 o Azure Blob Storage e utilizzare i tuoi dati direttamente, senza caricarne una copia
- Mantenere i pixel on-premise con worker CPU/GPU Enterprise On Premise
- Annota con strumenti di disegno manuale e etichettatura intelligente basata su SAM — scegli tra SAM 2.1, SAM 3 o il predefinito SAM 3.1
- Gestire le classi rinominandole, cambiandone il colore, unendole ed eliminandole nell'intero dataset
- Analizzare i tuoi dati con statistiche, visualizzazioni e clustering basato su embedding
- Esportare nel formato NDJSON per l'addestramento locale
Flusso di lavoro#
graph LR
A[Upload]:::start --> B[Annotate]:::proc
B --> D[Train]:::out
B --> C[Analyze]:::proc
classDef start fill:#4CAF50,color:#fff
classDef proc fill:#2196F3,color:#fff
classDef out fill:#9C27B0,color:#fff| Fase | Descrizione |
|---|---|
| Carica | Importa immagini, video o archivi con elaborazione automatica |
| Annota | Etichetta i dati con strumenti manuali oppure usa l'annotazione SAM per detect, segment, semantic e OBB |
| Analizza | Visualizza la distribuzione delle classi, le mappe di calore spaziali, le statistiche sulle dimensioni e i cluster degli embedding |
| Esporta | Scarica nel formato NDJSON per l'uso offline |
Attività supportate#
I dataset di Ultralytics Platform supportano tutti i 7 tipi di attività di YOLO:
| Attività | Descrizione | Strumento di annotazione |
|---|---|---|
| Rilevamento | Rilevamento degli oggetti con riquadri di delimitazione | Strumento rettangolo |
| Segmentazione | Segmentazione delle istanze con maschere a livello di pixel | Strumento poligono |
| Semantica | Segmentazione semantica con regioni di pixel per classe | Strumento poligono |
| Depth | Mappe di profondità metrica per pixel | Target importati |
| Classificazione | Classificazione a livello di immagine | Selettore di classe |
| Posa | Stima dei keypoint con template di scheletro integrati e personalizzati | Strumento keypoint |
| OBB | Riquadri di delimitazione orientati per oggetti ruotati | Strumento riquadro orientato |
Il tipo di attività viene impostato durante la creazione di un dataset e determina quali strumenti di annotazione sono disponibili. Puoi modificarlo in seguito dal selettore del tipo di attività nell'intestazione del dataset, ma le annotazioni incompatibili non verranno visualizzate dopo il passaggio. Il passaggio a o da depth è consentito solo quando il dataset è vuoto — consulta Modifica dataset.
Funzionalità principali#
Archiviazione intelligente#
Ultralytics Platform gestisce lo storage in modo efficiente:
- Deduplicazione: le immagini identiche nella stessa regione dati vengono archiviate una sola volta
- Integrità: i caricamenti vengono verificati per garantire l'integrità dei dati
- Efficienza: archiviazione ottimizzata ed elaborazione rapida
URI dei dataset#
Fai riferimento ai dataset usando il formato URI ul:// (consulta Utilizzo dei dataset della Platform):
yolo train data=ul://username/datasets/my-datasetQuesto consente di addestrare sui dataset della Platform da qualsiasi macchina con la tua chiave API configurata.
from ultralytics import YOLO
model = YOLO("yolo26n.pt")
model.train(data="ul://username/datasets/my-dataset", epochs=100)Versionamento dei dataset#
Crea snapshot NDJSON immutabili del tuo dataset per un addestramento riproducibile. Ogni versione acquisisce il numero di immagini, di classi e di annotazioni al momento della creazione. Consulta Scheda versioni per maggiori informazioni.
Schede del dataset#
Le pagine dei dataset possono mostrare fino a sei schede, a seconda dello stato del dataset e delle tue autorizzazioni:
| Scheda | Descrizione |
|---|---|
| Immagini | Sfoglia le immagini in modalità griglia, compatta o tabella con sovrapposizioni delle annotazioni |
| Classi | Visualizza, rinomina, ricolora, unisci ed elimina le classi con il conteggio 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, scarica e ripristina snapshot NDJSON immutabili per garantire la riproducibilità |
| Errori | Immagini la cui elaborazione non è riuscita, con dettagli sull'errore e indicazioni per la correzione |
Classes viene visualizzato quando il dataset contiene immagini e la relativa attività ha delle classi, mentre Charts viene visualizzato ogni volta che contiene immagini. Errors viene visualizzato solo quando sono presenti errori di elaborazione. Versions viene visualizzato quando hai accesso in modifica oppure, in modalità di sola lettura, quando esistono già delle versioni.
Clustering#
Esplora il tuo dataset come un grafico a dispersione 2D interattivo in cui immagini visivamente simili si trovano vicine, utile per far emergere cluster, duplicati e valori anomali, e per ispezionare come suddivisioni o classi siano distribuite nei tuoi dati. Seleziona un'area del grafico per filtrare la galleria e visualizzare solo quelle immagini. L'analisi richiede tra 20 e 200.000 immagini prive di errori. Gli stessi embedding ti permettono di trovare immagini simili nei dataset pubblici e di aggiungerle ai tuoi. Consulta Clustering per i dettagli.
Statistiche e visualizzazione#
La scheda Charts fornisce un'analisi automatica che include:
- Distribuzione degli split: grafico ad anello del numero di immagini di train/val/test
- Classi principali: grafico ad anello delle 10 classi di annotazione più frequenti
- Dimensioni delle immagini: istogramma della distribuzione di larghezza e altezza delle immagini (in pixel)
- Dimensioni delle immagini 2D: mappa di calore 2D della larghezza rispetto all'altezza con linee guida del rapporto d'aspetto
- Posizioni delle annotazioni: mappa di calore 2D delle posizioni dei centri dei riquadri di delimitazione
- Punti per istanza: distribuzione del numero di vertici dei poligoni o di keypoint (dataset segment/pose)
Consulta la scheda Grafici per l'elenco completo.
Link rapidi#
- Dataset: carica, gestisci ed esporta i tuoi dati di addestramento
- Annotazione: etichetta i dati con strumenti manuali e assistiti dall'AI
- Addestramento cloud: addestra modelli sui tuoi dataset annotati
- URI del dataset: usa gli URI
ul://per addestrare da qualsiasi luogo
FAQ#
Ultralytics Platform supporta:
Immagini: JPEG, PNG, WebP, BMP, TIFF, HEIC, AVIF, JP2, DNG, MPO (massimo 50MB ciascuna)
Video: MP4, WebM, MOV, MKV, M4V (massimo 1GB, fotogrammi estratti a 1 FPS, massimo 100 fotogrammi)
File del dataset: archivi ZIP o TAR che includono
.tar.gze.tgz(massimo 10GB su Free, 20GB su Pro, 50GB su Enterprise) contenenti immagini con etichette opzionali in formato YOLO o JSON COCO o maschere PNG semantiche, oltre alle esportazioni NDJSONÈ inoltre possibile importare uno qualsiasi di questi formati di archivio o NDJSON incollando un link HTTP(S) diretto nella scheda
URLdella finestra di dialogoNew Dataset. Le etichette XML Pascal VOC vengono rilevate, ma non importate.I limiti di archiviazione dipendono dal tuo piano:
Piano Limite di archiviazione Free 100 GB Pro 500 GB Enterprise Illimitato Limiti per singolo file: immagini 50MB, video 1GB, dataset 10GB su Free / 20GB su Pro / 50GB su Enterprise
Sì! Usa il formato URI del dataset per addestrare 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 trasferirne i metadati, le suddivisioni, le annotazioni e gli URL firmati delle immagini.