Link to this sectionDataset#

I dataset della Ultralytics Platform forniscono 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 quando contiene almeno un'immagine nel set di train, almeno un'immagine nel set di val o test, almeno un'immagine etichettata e un totale di almeno due immagini.

Link to this sectionCarica Dataset#

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

Link to this sectionFormati supportati#

Link to this sectionPreparazione del tuo dataset#

La Piattaforma supporta Ultralytics YOLO, COCO, Ultralytics NDJSON e caricamenti raw (senza annotazioni):

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 dettagli sul formato specifici per le attività, vedi attività supportate e la Panoramica dei Dataset.

Link to this sectionProcesso di caricamento#

1. Vai su Datasets nella barra laterale
2. Clicca 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. Clicca su Create & Upload (o Create Dataset se stai creando un dataset vuoto)

Dopo il caricamento, la piattaforma elabora i tuoi dati attraverso una pipeline a più fasi:

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: Immagini grandi ridimensionate (max 4096px, dimensione minima 28px)
3. Miniature: Anteprime WebP da 256px generate
4. Analisi delle etichette: Etichette estratte in formato YOLO e COCO
5. Statistiche: Distribuzioni delle classi e dimensioni delle immagini calcolate

from ultralytics.data.utils import check_det_dataset

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

Link to this sectionSfoglia immagini#

Visualizza le immagini del tuo dataset in diversi layout.

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

Link to this sectionOrdinamento e filtraggio#

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

Link to this sectionVisualizzatore a schermo intero#

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

• Navigazione: Tasti freccia o anteprime delle miniature per sfogliare
• Metadati: Nome file, dimensioni, badge split, conteggio annotazioni
• Annotazioni: Attiva/disattiva la visibilità della sovrapposizione delle annotazioni
• Ripartizione classi: Conteggi delle etichette per classe con indicatori colorati
• Modifica: Entra nella 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
• Ripristina vista: Cmd/Ctrl + 0 o il pulsante di reset per adattare l'immagine al visualizzatore
• Panoramica (Pan): Tieni premuto Space e trascina per spostare l'area di lavoro quando è ingrandita
• Vista pixel: Attiva il rendering pixelato per un'ispezione ravvicinata

Link to this sectionFiltra per Split#

Filtra le immagini in base al loro split di dataset:

Link to this sectionClustering#

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 nei tuoi dati, senza lasciare la galleria. Aprilo dall'icona del grafico a dispersione nella barra degli strumenti della galleria in qualsiasi pagina del dataset.

Link to this sectionEsecuzione 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 appariranno nello stesso pannello

L'analisi viene eseguita in background e può richiedere alcuni minuti a seconda della dimensione del tuo dataset. Puoi chiudere il pannello o lasciare la pagina e tornare più tardi.

Link to this sectionVisualizzazione#

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

Link to this sectionColora per#

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

Link to this sectionSelezione a lazo (Lasso Selection)#

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

Link to this sectionPanoramica e Zoom#

Naviga tra ampie dispersioni direttamente dal mouse e dalla tastiera:

Link to this sectionRianalisi#

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

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

Link to this sectionSchede Dataset#

Ogni pagina del dataset può mostrare fino a sei schede, a seconda dello stato del dataset e delle tue autorizzazioni:

Link to this sectionScheda Immagini#

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

Link to this sectionScheda 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 commutazione scala lineare/logaritmica
• Tabella delle classi: tabella ordinabile e ricercabile con nome della classe, numero di etichette e numero di immagini
• Modifica nomi classi: clicca su qualsiasi nome di classe per rinominarlo inline
• Modifica colori classi: clicca su un campione di colore per modificare il colore della classe
• Aggiungi nuova classe: usa l'input in basso per aggiungere classi

Link to this sectionScheda Grafici#

Questa scheda appare quando il dataset contiene immagini.

Statistiche automatiche calcolate dal tuo dataset:

Link to this sectionScheda Modelli#

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

Link to this sectionScheda 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 non elaborate e guida
• Tabella errori: nome file, descrizione dell'errore intuitiva, suggerimenti per la risoluzione e anteprima in miniatura
• Gli errori comuni includono file danneggiati, formati non supportati, immagini troppo piccole (min 28px) e modalità colore non supportate

Link to this sectionScheda Versioni#

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

Per creare una versione:

1. Apri la scheda Versioni
2. Opzionalmente inserisci una descrizione (es. "Aggiunte 500 immagini di addestramento" o "Corrette classi etichettate erroneamente")
3. Clicca su + New Version
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 permanentemente. Puoi scaricare qualsiasi versione precedente in qualsiasi momento dalla tabella delle versioni.

Link to this sectionEsporta Dataset#

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

Per esportare:

1. Clicca sul pulsante Download (icona di download) nell'intestazione del dataset
2. Scarica direttamente l'istantanea NDJSON corrente
3. Usa la scheda Versioni quando ti serve un'istantanea numerata immutabile che puoi riscaricare in seguito

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

{"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", "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 sul formato NDJSON di Ultralytics per le specifiche complete.

Link to this sectionOperazioni sulle immagini#

Link to this sectionAzioni rapide#

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

Link to this sectionSposta massivo in split#

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

1. Passa alla vista Tabella
2. Seleziona le immagini usando le caselle di controllo
3. Fai clic con il tasto destro per aprire il menu contestuale
4. Scegli Move to split > Train, Validation o Test

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

Link to this sectionRidistribuzione degli split#

Ridistribuisci tutte le immagini tra gli split di train, validation e test usando rapporti personalizzati:

1. Fai clic sulla barra degli split nella barra degli strumenti del dataset per aprire la finestra di dialogo Ridistribuisci Split
2. Regola le percentuali degli split usando uno dei metodi sottostanti
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 di dialogo offre tre modi per impostare i tuoi rapporti di split desiderati:

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

Link to this sectionEliminazione massiva#

Elimina più immagini contemporaneamente:

1. Seleziona le immagini nella vista tabella
2. Fai clic con il tasto destro e scegli Delete
3. Conferma l'eliminazione

Link to this sectionURI del Dataset#

Fai riferimento ai dataset della Platform usando il formato URI ul:// (vedi Uso dei Dataset Platform):

Usa questo URI per addestrare modelli da ovunque:

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

Link to this sectionLicenze disponibili#

La Platform supporta le seguenti licenze per i dataset:

Link to this sectionImpostazioni di visibilità#

Controlla chi può vedere il tuo dataset:

La visibilità viene impostata durante la creazione di un dataset nella finestra di dialogo New Dataset usando un interruttore. I dataset pubblici sono visibili sulla pagina Esplora.

Link to this sectionModifica Dataset#

I metadati del dataset si modificano in linea direttamente sulla pagina del dataset — non serve alcuna finestra di dialogo:

• 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 diverso.
• Licenza: Fai clic sul selettore della licenza per cambiare la licenza del dataset.

Link to this sectionClona dataset#

Quando visualizzi un dataset pubblico di cui non sei proprietario, clicca su Clone Dataset per crearne una copia nel tuo spazio di lavoro. Il clone include tutte le immagini, le annotazioni e le definizioni delle classi. Se il dataset originale ha una licenza copyleft, il clone la eredita e il selettore della licenza viene bloccato.

Link to this sectionMetti una stella e condividi#

• Stella: clicca sul pulsante della stella per aggiungere un dataset ai preferiti. Il conteggio delle stelle è visibile a tutti gli utenti.
• Condividi: per i dataset pubblici, clicca sul pulsante di condivisione per copiare un link o condividere su piattaforme social.

Link to this sectionElimina Dataset#

Elimina un dataset di cui non hai più bisogno:

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

Link to this sectionAddestra su un dataset#

Avvia l'addestramento direttamente dal tuo dataset:

1. Clicca 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

Vedi Cloud Training per i dettagli.

Link to this sectionFAQ#

Link to this sectionCosa 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 (preservando le proporzioni; codificate per un'archiviazione ottimizzata)
4. Archiviate utilizzando Content-Addressable Storage (CAS) con hashing XXH3-128
5. Miniature generate a 256px in formato WebP per una navigazione veloce

Link to this sectionCome funziona l'archiviazione?#

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

• Deduplicazione: le immagini identiche caricate da utenti diversi vengono archiviate una sola 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)

Link to this sectionPosso aggiungere immagini a un dataset esistente?#

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

Link to this sectionCome sposto le immagini tra gli split?#

Usa la funzione 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)

Link to this sectionQuali formati di etichetta sono supportati?#

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

Link to this sectionPosso annotare lo stesso dataset per più tipi di attività?#

Sì. Ogni immagine memorizza le annotazioni per tutti e 6 i tipi di attività (detect, segment, semantic, 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 le altre attività vengono preservate e riappaiono quando torni indietro.