Dataset

I dataset di Ultralytics Platform offrono una soluzione semplificata per gestire i tuoi dati di addestramento. Dopo il caricamento, la piattaforma elabora automaticamente immagini, etichette e statistiche. Un dataset è pronto per l'addestramento una volta completata l'elaborazione e dopo che contiene almeno un'immagine nel set train, almeno un'immagine nel set val o test, almeno un'immagine etichettata e un totale di almeno due immagini.

Carica Dataset

Ultralytics Platform accetta molteplici formati di caricamento per una maggiore flessibilità.

Formati supportati

Preparazione del tuo Dataset

La piattaforma supporta Ultralytics YOLO, COCO, Ultralytics NDJSON e caricamenti raw (non annotati):

my-dataset/
├── images/
│   ├── train/
│   │   ├── img001.jpg
│   │   └── img002.jpg
│   └── val/
│       ├── img003.jpg
│       └── img004.jpg
├── labels/
│   ├── train/
│   │   ├── img001.txt
│   │   └── img002.txt
│   └── val/
│       ├── img003.txt
│       └── img004.txt
└── data.yaml

# data.yaml
path: .
train: images/train
val: images/val

names:
    0: person
    1: car
    2: dog

Per i dettagli sul formato specifico dell'attività, consulta le attività supportate e la Panoramica dei Dataset.

Processo di Caricamento

1. Vai su Datasets nella barra laterale
2. Fai clic su New Dataset o trascina i file nell'area di caricamento
3. Seleziona il tipo di attività (vedi attività supportate)
4. Aggiungi un nome e una descrizione opzionale
5. Imposta la visibilità (pubblica o privata) e una licenza opzionale (vedi licenze disponibili)
6. Fai clic su Create

Dopo il caricamento, la piattaforma elabora i tuoi dati attraverso una pipeline multi-fase:

graph LR
    A[Upload] --> B[Validate]
    B --> C[Normalize]
    C --> D[Thumbnail]
    D --> E[Parse Labels]
    E --> F[Statistics]

    style A fill:#4CAF50,color:#fff
    style B fill:#2196F3,color:#fff
    style C fill:#2196F3,color:#fff
    style D fill:#2196F3,color:#fff
    style E fill:#2196F3,color:#fff
    style F fill:#9C27B0,color:#fff

1. Validazione: Controlli di formato e dimensione
2. Normalizzazione: Ridimensionamento delle immagini grandi (max 4096px, dimensione minima 28px)
3. Anteprime: Generazione di anteprime WebP da 256px
4. Analisi delle etichette: Estrazione di etichette in formato YOLO e COCO
5. Statistiche: Calcolo delle distribuzioni delle classi e delle dimensioni delle immagini

from ultralytics.data.utils import check_det_dataset

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

Sfoglia Immagini

Visualizza le immagini del tuo dataset in più layout.

Apri il pannello Clustering dalla barra degli strumenti della galleria per esplorare il tuo dataset come un grafico a dispersione 2D interattivo.

Ordinamento e Filtro

Le immagini possono essere ordinate e filtrate per una navigazione efficiente:

Visualizzatore a schermo intero

Clicca su qualsiasi immagine per aprire il visualizzatore a schermo intero con:

• Navigazione: tasti freccia o anteprime delle miniature per navigare
• Metadati: nome file, dimensioni, badge di split, conteggio annotazioni
• Annotazioni: attiva/disattiva la visibilità della sovrapposizione delle annotazioni
• Ripartizione classi: conteggi delle etichette per classe con indicatori colorati
• Modifica: entra in modalità annotazione per aggiungere o modificare le etichette
• Download: scarica il file immagine originale
• Elimina: elimina l'immagine dal dataset
• Zoom: Cmd/Ctrl+Scroll, Cmd/Ctrl++ o Cmd/Ctrl+= per ingrandire, e Cmd/Ctrl+- per rimpicciolire
• Reimposta vista: Cmd/Ctrl + 0 o il pulsante di ripristino per adattare l'immagine al visualizzatore
• Panoramica: tieni premuto Space e trascina per spostare l'area di lavoro quando è ingrandita
• Vista pixel: attiva il rendering pixelato per un'ispezione ravvicinata

Filtra per split

Filtra le immagini in base al loro split del dataset:

Clustering

Il pannello Clustering proietta il tuo dataset in un grafico a dispersione 2D interattivo dove le immagini visivamente simili si trovano vicine. Usalo per far emergere cluster, individuare duplicati e outlier, e ispezionare come gli split o le classi sono distribuiti tra i tuoi dati, senza lasciare la galleria. Aprilo dall'icona del grafico a dispersione nella barra degli strumenti della galleria su qualsiasi pagina del dataset.

Esecuzione dell'analisi

Avvia un'analisi:

1. Apri un dataset e clicca sull'icona del grafico a dispersione nella barra degli strumenti della galleria
2. Clicca su Analyze Dataset
3. Attendi il completamento della barra di avanzamento: i risultati appaiono nello stesso pannello

L'analisi viene eseguita in background e può richiedere alcuni minuti a seconda delle dimensioni del dataset. Puoi chiudere il pannello o lasciare la pagina e tornare in seguito.

Visualizzazione

Una volta completata l'analisi, il pannello mostra un grafico a dispersione 2D di tutte le immagini analizzate. I filtri della galleria (split, classe, etichettato/non etichettato) oscurano i punti fuori filtro in modo da poterti concentrare sul sottoinsieme che ti interessa.

Colora per

Cambia il modo in cui i punti dati vengono sfumati con il menu a discesa Color by nella barra degli strumenti del pannello. Cambia le modalità di visualizzazione in qualsiasi momento: il grafico si ricolora istantaneamente in modo da poter vedere come gli split, le classi o le proprietà dell'immagine sono distribuiti tra i tuoi cluster:

Selezione a lazo

Disegna una selezione a mano libera attorno a una regione per evidenziare i punti sul grafico. La galleria si filtra in base alle immagini corrispondenti, così puoi ispezionarle, etichettarle nuovamente, spostarle o eliminarle usando le solite operazioni sulle immagini.

Panoramica e zoom

Naviga tra grandi grafici a dispersione direttamente dal mouse e dalla tastiera:

Ri-analisi

Se il tuo dataset cambia dopo l'analisi, un pulsante Re-analyze appare nella parte superiore del pannello per proprietari ed editor.

Clicca su Re-analyze per ricalcolare gli embedding e la proiezione 2D da zero.

Schede del dataset

Ogni pagina del dataset può mostrare fino a sei schede, a seconda dello stato del dataset e dei tuoi permessi:

Scheda Immagini

La vista predefinita che mostra la galleria di immagini con sovrapposizioni di annotazioni. Supporta le modalità di visualizzazione a griglia, compatta e tabella. Trascina e rilascia i file qui per aggiungere altre immagini.

Scheda Classi

Questa scheda appare quando il dataset contiene immagini.

Gestisci le classi di annotazione per il tuo dataset:

• Istogramma classi: grafico a barre che mostra il conteggio delle annotazioni per classe con attivazione scala lineare/logaritmica
• Tabella classi: tabella ordinabile e ricercabile con nome classe, conteggio etichette e conteggio immagini
• Modifica nomi classi: clicca su qualsiasi nome classe per rinominarlo inline
• Modifica colori classi: clicca su un campione di colore per cambiare il colore della classe
• Aggiungi nuova classe: usa l'input in basso per aggiungere classi

Scheda Grafici

Questa scheda appare quando il dataset contiene immagini.

Statistiche automatiche calcolate dal tuo dataset:

Scheda Modelli

Visualizza tutti i modelli addestrati su questo dataset in una tabella ricercabile:

Scheda Errori

Questa scheda appare solo quando uno o più file non vengono elaborati correttamente.

Le immagini che non sono state elaborate correttamente sono elencate qui con:

• Banner di errore: Conteggio totale delle immagini fallite e guida
• Tabella errori: Nome file, descrizione dell'errore di facile comprensione, suggerimenti per la correzione e miniatura di anteprima
• Gli errori comuni includono file danneggiati, formati non supportati, immagini troppo piccole (min 28px) e modalità colore non supportate

Scheda Versioni

Crea snapshot NDJSON immutabili del tuo dataset per un addestramento riproducibile. Ogni versione cattura il conteggio delle immagini, il conteggio delle classi, il conteggio delle annotazioni e la dimensione del file al momento della creazione.

Per creare una versione:

1. Apri la scheda Versioni
2. Facoltativamente, inserisci una descrizione (es. "Aggiunte 500 immagini di addestramento" o "Corrette classi etichettate erroneamente")
3. Clicca su + Nuova Versione
4. La nuova versione appare nella tabella
5. Scarica la versione separatamente dalla tabella quando necessario

Ogni versione è numerata sequenzialmente (v1, v2, v3...) e archiviata in modo permanente. Puoi scaricare qualsiasi versione precedente in qualsiasi momento dalla tabella delle versioni.

Esporta Dataset

Esporta il tuo dataset per l'uso offline con un download NDJSON dall'intestazione del dataset o dalla scheda Versioni.

Per esportare:

1. Clicca sul pulsante Esporta nell'intestazione del dataset
2. Scarica direttamente lo snapshot NDJSON corrente
3. Usa la scheda Versioni quando vuoi uno snapshot numerato immutabile che puoi riscaricare in seguito

Il formato NDJSON memorizza un oggetto JSON per riga. La prima riga contiene i metadati del dataset, seguita da una riga per immagine:

{"type": "dataset", "task": "detect", "name": "my-dataset", "description": "...", "url": "https://platform.ultralytics.com/...", "class_names": {"0": "person", "1": "car"}, "version": 1, "created_at": "2026-01-15T10:00:00Z", "updated_at": "2026-02-20T14:30:00Z"}
{"type": "image", "file": "img001.jpg", "url": "https://...", "width": 640, "height": 480, "split": "train", "annotations": {"boxes": [[0, 0.5, 0.5, 0.2, 0.3]]}}
{"type": "image", "file": "img002.jpg", "url": "https://...", "width": 1280, "height": 720, "split": "val"}

Consulta la documentazione del formato NDJSON Ultralytics per le specifiche complete.

Operazioni sulle immagini

Azioni rapide

Fai clic con il tasto destro su qualsiasi immagine nella vista Griglia o Compatta per accedere alle azioni rapide:

Spostamento massivo in uno split

Riassegna le immagini selezionate a uno split differente all'interno dello stesso dataset:

1. Passa alla vista Tabella
2. Seleziona le immagini usando le checkbox
3. Fai clic destro per aprire il menu contestuale
4. Choose Move to split > Train, Validation, or Test

Puoi anche trascinare le immagini sulle schede dei filtri di split nella vista a griglia.

Ridistribuzione degli split

Ridistribuisci tutte le immagini tra gli split di train, validation e test usando percentuali personalizzate:

1. Fai clic sulla barra degli split nella barra degli strumenti del dataset per aprire la finestra Ridistribuisci split
2. Regola le percentuali degli split usando uno dei metodi qui sotto
3. Controlla l'anteprima in tempo reale del conteggio delle immagini per confermare la distribuzione
4. Fai clic su Applica per riassegnare casualmente tutte le immagini secondo le tue percentuali

La finestra fornisce tre modi per impostare le percentuali degli split desiderate:

Un'anteprima in tempo reale mostra esattamente quante immagini finiranno in ogni split prima di applicare.

Eliminazione massiva

Elimina più immagini contemporaneamente:

1. Seleziona le immagini nella vista tabella
2. Right-click and choose Delete
3. Conferma l'eliminazione

URI del dataset

Fai riferimento ai dataset della piattaforma usando il formato URI ul:// (vedi Utilizzo dei dataset della piattaforma):

Usa questo URI per addestrare modelli da qualsiasi luogo:

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

Licenze disponibili

La piattaforma supporta le seguenti licenze per i dataset:

Impostazioni di visibilità

Controlla chi può vedere il tuo dataset:

Visibility is set when creating a dataset in the New Dataset dialog using a toggle switch. Public datasets are visible on the Explore page.

Modifica dataset

I metadati del dataset vengono modificati inline direttamente nella pagina del dataset — nessuna finestra necessaria:

• Name: Click the dataset name to edit it. Changes auto-save on blur or Enter.
• Descrizione: Fai clic sulla descrizione (o sul segnaposto "Aggiungi una descrizione...") per modificarla. Le modifiche vengono salvate automaticamente.
• Tipo di task: Fai clic sul badge del task per selezionare un tipo di task differente.
• Licenza: Fai clic sul selettore della licenza per cambiare la licenza del dataset.

Clona dataset

When viewing a public dataset you do not own, click Clone Dataset to create a copy in your workspace. The clone includes all images, annotations, and class definitions. If the original dataset has a copyleft license, the clone inherits it and the license selector is locked.

Aggiungi ai preferiti e Condividi

• Preferito: Fai clic sul pulsante stella per aggiungere un dataset ai preferiti. Il numero di stelle è visibile a tutti gli utenti.
• Condividi: Per i dataset pubblici, fai clic sul pulsante di condivisione per copiare un link o condividere sulle piattaforme social.

Elimina dataset

Elimina un dataset che non ti serve più:

1. Apri il menu delle azioni del dataset
2. Click Delete
3. Conferma nella finestra: "Questo sposterà [nome] nel cestino. Puoi ripristinarlo entro 30 giorni."

Addestra su un Dataset

Avvia l'addestramento direttamente dal tuo dataset:

1. Fai clic su New Model nella pagina del dataset
2. Seleziona un progetto o creane uno nuovo
3. Configura i parametri di addestramento
4. Avvia l'addestramento

graph LR
    A[Dataset] --> B[New Model]
    B --> C[Select Project]
    C --> D[Configure]
    D --> E[Start Training]

    style A fill:#2196F3,color:#fff
    style E fill:#4CAF50,color:#fff

Consulta Cloud Training per i dettagli.

FAQ

Cosa succede ai miei dati dopo il caricamento?

I tuoi dati vengono elaborati e archiviati nella regione selezionata (US, EU o AP). Le immagini sono:

1. Validate per formato e dimensione
2. Rifiutate se la dimensione minima è inferiore a 28px
3. Normalizzate se superiori a 4096px (mantenendo il rapporto d'aspetto; codificate per un'archiviazione ottimizzata)
4. Archiviate utilizzando Content-Addressable Storage (CAS) con hashing XXH3-128
5. Miniature generate in formato WebP da 256px per una navigazione veloce

Come funziona l'archiviazione?

Ultralytics Platform utilizza Content-Addressable Storage (CAS) per un'archiviazione efficiente:

• Deduplicazione: Le immagini identiche caricate da utenti diversi vengono archiviate solo una volta
• Integrità: L'hashing XXH3-128 garantisce l'integrità dei dati
• Efficienza: Riduce i costi di archiviazione e velocizza l'elaborazione
• Regionale: I dati rimangono nella regione selezionata (US, EU o AP)

Posso aggiungere immagini a un dataset esistente?

Sì, trascina i file sulla pagina del dataset o usa il pulsante di caricamento per aggiungere altre immagini. Le nuove statistiche verranno calcolate automaticamente.

Come sposto le immagini tra gli split?

Utilizza la funzionalità di spostamento in blocco verso uno split:

1. Seleziona le immagini nella vista tabella
2. Fai clic con il tasto destro e scegli Move to split
3. Seleziona lo split di destinazione (Train, Validation o Test)

Quali formati di etichetta sono supportati?

Ultralytics Platform supporta etichette YOLO, COCO JSON, Ultralytics NDJSON e caricamenti di immagini raw:

Posso annotare lo stesso dataset per più tipi di attività?

Sì. Ogni immagine archivia le annotazioni per tutti e 5 i tipi di attività (detect, segment, pose, OBB, classify) insieme. Puoi cambiare il tipo di attività attiva del dataset in qualsiasi momento senza perdere le annotazioni esistenti. Solo le annotazioni corrispondenti al tipo di attività attiva vengono mostrate nell'editor e incluse negli export e nell'addestramento; le annotazioni per altre attività vengono conservate e riappaiono quando torni indietro.