Dataset#

I dataset di Ultralytics Platform offrono una soluzione semplificata per gestire i tuoi dati di addestramento. Dopo il caricamento, la Platform elabora automaticamente immagini, etichette e statistiche.

Un dataset è pronto per l'addestramento quando l'elaborazione è completata, contiene almeno un'immagine nella suddivisione train, almeno un'immagine nella suddivisione val o test e almeno un'immagine etichettata. L'intestazione del dataset mostra un badge Ready quando sono soddisfatte tutte e tre le condizioni e un badge Not Ready altrimenti: fai clic sul badge per vedere esattamente quale condizione manca.

Raccogli immagini con gli agenti#

Usa Agents per aggiungere immagini a un dataset quando il rilevamento di un modello soddisfa una condizione, ad esempio quando la confidenza rientra in un intervallo scelto. Collega la condizione a un blocco Dataset e seleziona una destinazione che puoi modificare. Le immagini vengono aggiunte senza etichette alla suddivisione train; le copie già esistenti vengono ignorate. Esaminale ed etichettale con l'editor di annotazione esistente.

Carica dataset#

Ultralytics Platform accetta diversi formati di caricamento per offrirti flessibilità.

Formati supportati#

Supporto dei codec video#

La sola estensione del file non basta: un video può comunque non essere elaborato se il codec non può essere decodificato durante l'elaborazione.

ffmpeg -i input.mov \
  -c:v libx264 -pix_fmt yuv420p \
  -c:a aac -movflags +faststart \
  output.mp4

Preparazione del dataset#

La Platform supporta Ultralytics YOLO, COCO, JSON LabelMe, maschere PNG semantiche, dataset di profondità, Ultralytics NDJSON e NDJSON Labelbox, oltre ai caricamenti non elaborati (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

Se le etichette fanno riferimento agli ID delle classi ma non vengono forniti i nomi delle classi, Platform rimappa gli ID in una sequenza densa indicizzata a partire da 0 e assegna a ogni classe il nome del rispettivo ID di origine (class0, class3, …); in seguito puoi rinominare le classi nella scheda Classi.

Per i dettagli sui formati specifici delle attività, consulta le attività supportate e la panoramica dei dataset.

Procedura di caricamento#

Per creare un dataset:

1. Vai a Annotate nella barra laterale
2. Fai clic su New Dataset
3. Scegli una scheda relativa alla fonte dei dati (vedi Fonti dei dati qui sotto)
4. Aggiungi un nome: lo slug dell'URL viene generato automaticamente ed è modificabile; puoi anche aggiungere una descrizione facoltativa
5. Seleziona il tipo di attività (consulta le attività supportate), una licenza facoltativa (consulta le licenze disponibili) e la visibilità (pubblica o privata). Per un nuovo dataset pubblico è selezionata CC BY 4.0; scegli un'altra licenza o None per modificarla
6. Fai clic su Create & Upload per i file locali, su Create & Import per un URL o una fonte collegata oppure su Create Dataset per iniziare senza dati

Per aggiungere file a un dataset esistente, apri la pagina del dataset e trascina i file nella galleria oppure fai clic sull'icona di caricamento nell'intestazione della pagina. L'icona apre direttamente il selettore di file nativo del browser, perché l'attività del dataset è già definita.

Fonti dei dati#

La finestra di dialogo New Dataset offre quattro fonti:

I dataset di profondità possono essere creati solo tramite Caricamento o URL; le schede Cloud e On Premise sono disabilitate per l'attività di profondità.

Prima di avviare il caricamento#

Prima di caricare i file, Platform li convalida nel browser: così i problemi più comuni vengono rilevati subito e non dopo un lungo trasferimento. Gli archivi vengono controllati per individuare corruzione, assenza di contenuti, protezione tramite password ed errori di sintassi YAML; i file troppo grandi vengono elencati per nome.

Potrebbero quindi apparire due finestre di dialogo:

Dopo il caricamento, la piattaforma elabora automaticamente i dati:

1. Convalida: controlli del formato e delle dimensioni
2. Normalizzazione: le immagini grandi vengono ridimensionate (massimo 4096px, dimensione minima 28px), le immagini in scala di grigi vengono convertite in RGB, la trasparenza viene appiattita su uno sfondo bianco e viene applicato l'orientamento EXIF; gli originali TIFF vengono archiviati così come sono stati caricati
3. Miniature: vengono generate anteprime WebP da 256px
4. Analisi delle etichette: vengono estratte le etichette YOLO, COCO, LabelMe e NDJSON di Ultralytics o Labelbox
5. Statistiche: vengono calcolate le distribuzioni delle classi e le dimensioni delle immagini

from ultralytics.data.utils import check_det_dataset

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

Sfoglia le immagini#

Visualizza le immagini del dataset in diversi layout.

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

Ordinamento e filtri#

Puoi ordinare e filtrare le immagini per esplorarle in modo più efficiente:

Visualizzatore a schermo intero#

Fai clic su un'immagine qualsiasi per aprire il visualizzatore a schermo intero, che offre:

• Navigazione: usa i tasti freccia o le anteprime delle miniature per sfogliare le immagini
• Informazioni sull'immagine: esamina le proprietà generate da Platform, i metadati personalizzati e quelli incorporati nel file, come EXIF
• Metadati personalizzati: proprietari ed editor possono aggiungere o sostituire un oggetto JSON, inclusi valori annidati, fino a 500.000 caratteri serializzati e con chiavi di primo livello fino a 128 caratteri
• Annotazioni: attiva o disattiva la visibilità della sovrapposizione delle annotazioni
• Ripartizione per classe: conteggi delle etichette per classe con indicatori di colore
• Annota: quando hai accesso in modifica, i controlli per le annotazioni sono attivi immediatamente all'apertura del visualizzatore a schermo intero sul desktop
• Sfoca i volti: fai clic con il tasto destro su un'annotazione per visualizzare in anteprima e applicare la sfocatura dei volti all'immagine, se disponibile
• Scarica: 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 visualizzazione: Cmd/Ctrl + 0 oppure il pulsante di ripristino per adattare l'immagine al visualizzatore
• Spostamento: tieni premuto Space e trascina, oppure trascina con il pulsante centrale del mouse, per spostarti nell'area di lavoro a qualsiasi livello di zoom
• Visualizzazione pixel: attiva o disattiva la resa pixelata per un'ispezione ravvicinata
• Tendina di profondità: nei dataset di profondità, un divisore trascinabile alterna l'immagine RGB e la relativa mappa di profondità colorizzata

Filtra per suddivisione#

Filtra le immagini in base alla suddivisione del dataset:

Clustering#

Il pannello Clustering proietta il tuo dataset in un grafico a dispersione 2D interattivo, in cui le immagini visivamente simili si trovano vicine. Usalo per individuare gruppi, rilevare duplicati e valori anomali e analizzare la distribuzione delle suddivisioni o delle classi nei tuoi dati, senza uscire dalla galleria. Aprilo dall'icona del grafico a dispersione nella barra degli strumenti della galleria, in qualsiasi pagina del dataset. Il pannello è disponibile solo su desktop; chi non dispone dell'accesso in modifica vedrà l'icona dopo l'analisi del dataset.

Esecuzione dell'analisi#

Avvia un'analisi:

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

L'analisi viene eseguita in background in due fasi, Computing embeddings e Clustering, e può richiedere alcuni minuti, a seconda delle dimensioni del dataset. Puoi chiudere il pannello o lasciare la pagina e tornare più tardi.

Visualizzazione#

Al termine dell'analisi, il pannello mostra un grafico a dispersione 2D di tutte le immagini analizzate, con una legenda e un conteggio dei punti. I filtri della galleria (suddivisione, classe, con/senza etichetta) attenuano i punti fuori filtro, così puoi concentrarti sul sottoinsieme che ti interessa: il conteggio mostrerà quindi visible / total points.

Colore in base a#

Modifica la tonalità dei punti dati con il menu a discesa Color by nella barra degli strumenti del pannello. Puoi cambiare modalità di visualizzazione in qualsiasi momento: il grafico si ricolora all'istante, così puoi vedere la distribuzione delle suddivisioni, delle classi o delle proprietà delle immagini nei gruppi:

Selezione con lazo e clic#

Disegna una selezione a mano libera attorno a un'area per evidenziare i punti nel grafico, oppure fai clic su un punto per selezionare tutti i punti dello stesso colore (solo quel punto se il colore è basato su larghezza, altezza, dimensione o annotazioni); fai clic su un'area vuota del grafico per cancellare la selezione. La galleria si filtra mostrando le immagini corrispondenti, così puoi esaminarle, rietichettarle, spostarle o eliminarle usando le consuete operazioni sulle immagini.

Spostamento e zoom#

Esplora i grafici a dispersione di grandi dimensioni direttamente con mouse e tastiera oppure usando i pulsanti dello zoom in basso a sinistra del grafico:

Ripetere l'analisi#

Se il dataset cambia dopo l'analisi, ad esempio con l'arrivo di nuove immagini o se il conteggio delle immagini analizzate non corrisponde più a quello del dataset, oppure se l'analisi è precedente all'opzione di colore Gruppi, nella parte superiore del pannello appare un pulsante Re-analyze per proprietari ed editor.

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

Trova immagini simili#

Gli stessi embedding alimentano la ricerca per similarità nei dataset pubblici, nei tuoi dataset e in quelli del tuo team. In un dataset che puoi modificare, fai clic con il tasto destro su un'immagine nella vista Griglia o Compatta (oppure su una singola riga selezionata nella vista Tabella) e scegli Trova immagini simili. La finestra di dialogo mostra l'immagine di origine accanto a un massimo di 24 immagini più vicine, ciascuna con il relativo punteggio di similarità; esclude le immagini già presenti nel tuo dataset e le copie dell'immagine selezionata in altri dataset. Fai clic su un'immagine per visualizzarne l'anteprima a dimensione intera e vedere il dataset di origine, la licenza e il punteggio di similarità. Seleziona le immagini tramite le caselle di controllo (oppure selezionale tutte), quindi fai clic su Aggiungi N al dataset: le immagini vengono aggiunte alla suddivisione train come immagini senza etichetta, conteggiate nello spazio di archiviazione e pronte per l'annotazione.

Un'immagine senza embedding, in un dataset non ancora analizzato o aggiunta dopo l'ultima analisi, viene convertita in embedding quando apri la finestra di dialogo: non è quindi necessario eseguire prima un'analisi di clustering. La finestra di dialogo non è disponibile nei dataset connessi. Le diagnostiche di convalida per immagine di un modello eseguono la stessa ricerca a partire dalle immagini con le prestazioni peggiori.

Schede dei dataset#

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

Scheda Immagini#

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

Scheda Classi#

Questa scheda appare quando il dataset contiene immagini e l'attività ha delle classi.

Gestisci le classi di annotazione del tuo dataset:

• Istogramma delle classi: grafico a barre con il conteggio delle annotazioni per classe, ordinato per frequenza, e selettore della scala lineare/logaritmica
• Tabella delle classi: tabella ordinabile e ricercabile con indice, nome, conteggio delle annotazioni e conteggio delle immagini
• Modifica i nomi delle classi: fai clic sul nome di una classe per rinominarla direttamente nella tabella
• Modifica i colori delle classi: fai clic su un campione di colore per cambiare il colore della classe
• Aggiungi una nuova classe: usa il campo in fondo per aggiungere classi
• Unisci classi: seleziona due o più righe e fai clic su Merge into one
• Elimina classi: seleziona una o più righe e fai clic su Delete

Unisci classi#

L'unione consolida etichette duplicate o sovrapposte, ad esempio accorpando car, automobile e vehicle in un'unica classe:

1. Seleziona due o più classi usando le caselle di controllo delle righe
2. Fai clic su Merge into one nell'intestazione della tabella oppure fai clic con il tasto destro sulla selezione
3. Scegli quale delle classi selezionate sarà la destinazione in cui verranno unite le altre
4. Conferma

Tutte le annotazioni appartenenti alle classi di origine vengono riassegnate alla classe di destinazione e le classi di origine vengono rimosse. Non viene eliminata alcuna annotazione, quindi il conteggio totale delle annotazioni del dataset rimane invariato.

Elimina classi#

1. Seleziona una o più classi usando le caselle di controllo delle righe
2. Fai clic su Delete nell'intestazione della tabella oppure fai clic con il tasto destro sulla selezione
3. Conferma

L'eliminazione di una classe rimuove la classe e tutte le relative annotazioni. Nei dataset di classificazione vengono rimosse le etichette, ma le immagini rimangono e risultano prive di annotazioni.

Scheda Grafici#

Questa scheda viene visualizzata quando il dataset contiene immagini.

Statistiche calcolate automaticamente dal tuo dataset:

I grafici sono visualizzati in quest'ordine e ciascuno viene omesso se il dataset non contiene dati pertinenti: un dataset di immagini grezze non mostra grafici delle annotazioni e Points per Instance compare solo per i dati di segmentazione e posa:

Scheda Modelli#

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

Scheda Errori#

Questa scheda viene visualizzata solo se uno o più file non vengono elaborati correttamente.

Le immagini non elaborate correttamente sono elencate qui con:

• Banner di errore: numero totale di immagini non elaborate correttamente e indicazioni
• Tabella degli errori: nome del file, descrizione dell'errore in linguaggio semplice, suggerimenti per la risoluzione e miniatura di anteprima
• Tra gli errori più comuni ci sono file danneggiati, formati non supportati, immagini troppo piccole (minimo 28px) e modalità colore non supportate

Scheda Versioni#

Crea snapshot NDJSON immutabili del tuo dataset per un addestramento riproducibile. Ogni versione registra il numero di immagini, classi e annotazioni, oltre allo spazio di archiviazione aggiunto al momento della creazione.

Per creare una versione:

1. Apri la scheda Versioni
2. Se vuoi, inserisci una descrizione (ad es. "Aggiunte 500 immagini di training" o "Corrette classi etichettate in modo errato")
3. Fai clic su Nuova versione
4. La nuova versione compare nella tabella. Se il dataset corrisponde a una versione esistente, ad esempio subito dopo averla ripristinata, viene riutilizzata e, se hai inserito una nuova descrizione, questa viene applicata alla versione

Le versioni sono numerate in sequenza (v1, v2, v3...) e sono immutabili: non possono essere modificate né rimosse, ma puoi cambiarne le descrizioni. Usa le azioni della riga per scaricare o ripristinare una versione in qualsiasi momento.

Confronta versioni#

Fai clic sull'icona di confronto in una qualsiasi versione successiva alla v1 per vedere cosa è cambiato rispetto a una versione precedente. Confronta le versioni parte dalla versione precedente; scegli un'altra versione nel menu Da. I chip raggruppati sotto Immagini, Annotazioni, Classi e Impostazioni indicano il numero di immagini aggiunte, rimosse, modificate e spostate in un'altra suddivisione, nonché il numero di annotazioni aggiunte e rimosse; indicano inoltre i nomi delle classi aggiunte, rimosse o rinominate e le impostazioni del dataset modificate. Ogni immagine modificata è elencata con il relativo badge. Seleziona un'immagine per vederla Prima e Dopo, con le etichette salvate in quella versione su ciascun lato. Se sono cambiati i metadati dell'immagine, Modifiche ai metadati elenca ogni chiave aggiunta, rimossa o modificata con il relativo valore in entrambe le versioni. Se le immagini, i relativi metadati e le annotazioni sono identici, la finestra di dialogo mostra Nessuna modifica oppure Nessuna modifica alle immagini se sono cambiate solo le definizioni delle classi o le impostazioni del dataset.

Esportare il dataset#

Esporta il dataset per utilizzarlo offline scaricandolo in formato NDJSON dall'intestazione del dataset o dalla scheda Versioni.

Per esportare:

1. Fai clic sul pulsante Download (icona di download) nell'intestazione del dataset
2. Scarica direttamente lo snapshot NDJSON corrente
3. Usa la scheda Versioni quando vuoi uno snapshot numerato e immutabile da poter scaricare di nuovo in seguito

Il formato NDJSON memorizza 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", "metadata": {"location": {"site": "factory-1"}, "reviewed": true}, "annotations": {"boxes": [[0, 0.5, 0.5, 0.2, 0.3]]}}
{"type": "image", "file": "img002.jpg", "url": "https://...", "width": 1280, "height": 720, "split": "val"}

L'oggetto facoltativo metadata a livello di immagine viene mantenuto quando un file NDJSON viene importato in Platform. Puoi esaminarlo o modificarlo dal pannello informativo a schermo intero dell'immagine. Per i caricamenti programmatici di archivi, l'API Ingest Dataset Data accetta la mappa di percorsi equivalente imageMetadata.

Anche i dataset di pose includono un campo kpt_shape nella riga dell'intestazione del dataset, dedotto dalle annotazioni se non è già impostato.

Le esportazioni di profondità dichiarano "task": "depth" e "depth_scale": 1000 nella riga del dataset. Ogni riga di immagine include un depth.url per il file PNG uint16 semplice abbinato. Ultralytics scarica simultaneamente gli URL delle immagini e della profondità e scrive un file YAML di addestramento con la stessa scala, così puoi passare direttamente il file NDJSON a model.train(data=...).

Consulta la documentazione sul formato NDJSON di Ultralytics per la specifica completa.

Operazioni sulle immagini#

Azioni rapide#

Fai clic con il pulsante destro su un'immagine nelle viste Griglia o Compatta, oppure su una singola riga selezionata nella vista Tabella, per accedere alle azioni rapide. Le azioni disponibili dipendono dalle tue autorizzazioni di modifica e dall'origine del dataset:

Spostare immagini in blocco tra le suddivisioni#

Assegna le immagini selezionate a un'altra suddivisione dello stesso dataset:

1. Passa alla vista Tabella
2. Seleziona le immagini usando le caselle di controllo
3. Fai clic con il pulsante 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 suddivisione nella vista griglia. Se lo spostamento di un'immagine crea un conflitto con un'immagine identica già presente nella suddivisione di destinazione, Platform ti chiede se vuoi saltarla, mantenere entrambe o sostituirla.

Rid distribuire le suddivisioni#

Rid distribuisci tutte le immagini nelle suddivisioni train, validation e test usando rapporti personalizzati:

1. Fai clic sulla barra delle suddivisioni nella barra degli strumenti del dataset per aprire la finestra di dialogo Rid distribuisci suddivisioni
2. Regola le percentuali delle suddivisioni usando uno dei metodi seguenti
3. Controlla l'anteprima aggiornata del numero di immagini per confermare la distribuzione
4. Fai clic su Applica per riassegnare casualmente tutte le immagini in base alle tue percentuali

La finestra di dialogo offre tre modi per impostare i rapporti desiderati tra le suddivisioni:

Un'anteprima aggiornata mostra esattamente quante immagini finiranno in ogni suddivisione prima di applicare le modifiche.

Eliminazione in blocco#

Elimina più immagini contemporaneamente:

1. Seleziona le immagini nella vista tabella
2. Fai clic con il pulsante destro e scegli Delete, oppure premi Cmd/Ctrl+Delete
3. Conferma l'eliminazione

Copiare e spostare immagini#

Copia o sposta immagini da un dataset che puoi modificare a un altro, anche se si trova in un workspace diverso:

1. Nel dataset di origine, fai clic con il pulsante destro su un'immagine nella vista Griglia o Compatta e scegli Copia o Taglia, oppure seleziona le immagini nella vista Tabella e premi Cmd/Ctrl+C o Cmd/Ctrl+X. Esc svuota gli appunti.
2. Apri il dataset di destinazione, fai clic con il pulsante destro su un'immagine e scegli Incolla, oppure premi Cmd/Ctrl+V.

Le immagini incollate mantengono le etichette e le suddivisioni; le immagini già presenti nella stessa suddivisione nel dataset di destinazione vengono ignorate. Taglia rimuove le immagini incollate dal dataset di origine; Copia lo lascia invariato. Il dataset di origine e quello di destinazione devono avere la stessa attività e canali immagine, impostazioni dei punti chiave di posa e scala di profondità compatibili, anche quando le immagini copiate non hanno etichette. Una destinazione vuota può ereditare le impostazioni non configurate relative ai canali immagine e alla posa. Non è possibile incollare immagini in un dataset connesso.

Le classi vengono abbinate per nome, senza distinzione tra maiuscole e minuscole tranne che per i nomi di uno o due caratteri, e se la destinazione non contiene classi viene usato l'elenco delle classi della sorgente. Quando un'immagine incollata usa una classe non presente nella destinazione, la finestra di dialogo Mappa classi ti chiede di associare ogni classe di questo tipo a una classe del dataset o a una nuova classe, oppure di deselezionare la relativa casella Includi per eliminare le etichette di quella classe; le immagini vengono incollate in ogni caso.

Generare immagini simili#

Crea nuove immagini di addestramento a partire da un'immagine già disponibile. In un dataset che puoi modificare, fai clic con il pulsante destro su un'immagine nella vista Griglia o Compatta (oppure su una singola riga selezionata nella vista Tabella) e scegli Genera immagini simili. Platform descrive nuove scene ispirate all'immagine e ne genera una per ciascuna descrizione, così i risultati condividono soggetti e stile dell'originale senza copiarlo.

Ultralytics Image 9B e Krea 2 Turbo sono anch'essi elencati, ma puoi selezionarli solo dopo aver attivato Accesso anticipato. Krea 2 Turbo è l'opzione più lenta. Le proporzioni della sorgente vengono mantenute, se supportate. Per le immagini molto strette potrebbe essere necessario aumentare il lato più lungo; le dimensioni di output vengono arrotondate e limitate a quelle supportate dal generatore.

Fai clic su Genera o premi ⌘/Ctrl+Invio in Istruzioni. Le immagini vengono visualizzate man mano che sono pronte e risultano tutte selezionate; Interrompi ferma un batch in corso mantenendo le immagini già arrivate. Per provare altre istruzioni o impostazioni, modificale e fai clic su Genera altre: ogni nuovo batch appare sopra quelli precedenti, che mantengono la selezione. Fai clic su un'immagine per visualizzarla a grandezza intera, deseleziona la casella di quelle che non vuoi e fai clic su Aggiungi N al dataset. Le immagini conservate vengono caricate in formato JPEG, con il nome dell'immagine di origine, senza etichette, conteggiate ai fini dello spazio di archiviazione e pronte per l'annotazione. Vengono aggiunte secondo il filtro di suddivisione attivo: scegli Train prima di generarle per aggiungerle a train. Se è selezionato Tutto, viene applicata la normale assegnazione delle suddivisioni durante il caricamento, inclusa la suddivisione automatica per la validation quando necessario. Annulla elimina le anteprime senza aggiungerle. Le immagini generate seguono l'impostazione di sfocatura dei volti durante il caricamento del dataset. L'azione non è disponibile sui dataset connessi.

Sfocare i volti#

In un dataset che puoi modificare, sfoca i volti nelle immagini, ad esempio per proteggere la privacy delle persone presenti nei tuoi dati. La funzione Sfoca i volti non è disponibile per i dataset connessi né per i dataset con più di tre canali immagine.

• Una sola immagine: fai clic con il pulsante destro sull'immagine nella vista Griglia o Compatta (oppure su una singola riga selezionata nella vista Tabella) o su un'annotazione nel visualizzatore a schermo intero, quindi scegli Sfoca i volti.
• Intero dataset: apri Altre azioni (⋯) nella pagina del dataset e scegli Sfoca i volti.

La finestra di dialogo mostra prima un'anteprima dei volti rilevati su un massimo di sei immagini (o sull'unica immagine), senza modificarle. Regola Confidenza (predefinita 0.25) e Scala riquadro (0.5–1.5, predefinita 1, che ridimensiona ogni riquadro del volto attorno al suo centro) per generare una nuova anteprima, poi fai clic su Applica per sostituire i pixel originali di ogni immagine in cui vengono rilevati volti. Le immagini senza volti rilevati rimangono invariate, le etichette e le suddivisioni vengono mantenute e alcuni volti potrebbero non essere rilevati, quindi controlla il risultato. La sfocatura non crea automaticamente uno snapshot della versione. La sfocatura di un intero dataset costa $1.00 ogni 1,000 immagini elaborate, con un minimo di $0.01 per esecuzione (fatturato come Annotazione automatica); la finestra di dialogo mostra una stima prima di applicare la modifica, mentre le anteprime e la sfocatura di una singola immagine sono gratuite.

Per sfocare i volti nelle immagini durante il caricamento, attiva Sfoca i volti quando crei un dataset da Caricamento o URL, oppure Sfoca i caricamenti futuri nella finestra di dialogo Sfoca i volti relativa all'intero dataset. L'opzione Sfoca i caricamenti futuri viene salvata immediatamente, anche se chiudi la finestra di dialogo senza fare clic su Applica. Le immagini caricate successivamente nel dataset vengono sfocate durante l'elaborazione, senza costi; modificare questa impostazione non sfoca le immagini già presenti nel dataset.

URI del dataset#

Fai riferimento ai dataset di Platform usando il formato URI ul:// (vedi Usare i dataset di Platform):

ul://username/datasets/dataset-slug

Puoi anche incollare direttamente l'URL web di un dataset o di un modello (ad es. https://platform.ultralytics.com/username/datasets/dataset-slug); viene riscritto automaticamente nell'URI ul://. Passando un elenco di dataset, un unico modello di base viene ottimizzato tramite fine-tuning su ciascun dataset, in sequenza; ad esempio model.train(data=["ul://username/datasets/a", "ul://username/datasets/b"]).

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 Platform supporta le seguenti licenze per i dataset:

Impostazioni di visibilità#

Controlla chi può vedere il tuo dataset:

La visibilità viene impostata quando crei un dataset nella finestra di dialogo New Dataset tramite un interruttore. Per modificarla in seguito, fai clic sul badge Pubblico o Privato accanto al nome del dataset nella breadcrumb della pagina; per rendere pubblico un dataset ti verrà chiesta conferma. I dataset On Premise sono sempre privati. I dataset pubblici sono visibili nella pagina Esplora.

Modificare un dataset#

I metadati del dataset si modificano direttamente nella pagina del dataset, senza bisogno di finestre di dialogo:

• Nome: fai clic sul nome del dataset per modificarlo. Le modifiche vengono salvate automaticamente quando esci dal campo o premi Enter. I nomi possono contenere al massimo 100 caratteri.
• Descrizione: fai clic sulla descrizione (o sul segnaposto "Aggiungi una descrizione...") per modificarla. Le modifiche vengono salvate automaticamente. Le descrizioni possono contenere al massimo 1.000 caratteri.
• Tipo di attività: fai clic sul badge dell'attività per selezionare un tipo di attività diverso.
• Licenza: fai clic sul selettore della licenza per cambiare la licenza del dataset.
• Icona: fai clic sull'icona del dataset per caricare una tua immagine, impostare come icona una delle immagini del dataset oppure scegliere una lettera e un colore.

Metadati personalizzati#

Apri Altre azioni e seleziona Informazioni per consultare due sezioni:

• Metadati Ultralytics: dettagli di sola lettura della Platform, come l'ID del dataset, il proprietario, l'attività, il numero di immagini e annotazioni, la regione di archiviazione e i timestamp
• Metadati personalizzati: un tuo oggetto JSON per indicare provenienza, condizioni di acquisizione, ID cliente, governance o altri dati contestuali

Chi può visualizzare il workspace può consultare i metadati, mentre i membri con accesso in modifica possono sostituire l'oggetto dei metadati personalizzati. L'oggetto dei metadati serializzato può contenere al massimo 500.000 caratteri e ogni chiave di primo livello può contenere al massimo 128 caratteri. Salva un oggetto vuoto ({}) per eliminare i metadati personalizzati.

Clonare un dataset#

Quando visualizzi un dataset pubblico che non ti appartiene, fai clic su Clone Dataset per aprire la finestra di dialogo di clonazione. Controlla il workspace di destinazione, il nome, la visibilità e la licenza, quindi conferma la clonazione. La copia include tutte le immagini, le annotazioni e le definizioni delle classi. Nei workspace con visibilità predefinita pubblica, i dataset di origine pubblici rimangono pubblici per impostazione predefinita; i cloni nei workspace Enterprise sono privati per impostazione predefinita. Se il dataset originale ha una licenza copyleft, il clone la eredita e il selettore della licenza viene bloccato.

Nella finestra di dialogo di clonazione, Clona dataset rimane disattivato se l'URL è già utilizzato nel workspace di destinazione; inoltre, per clonare devi disporre di una quota di archiviazione residua sufficiente a contenere la copia.

Aggiungere una stella e condividere#

• Stella: fai clic sul pulsante a forma di 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, ottenere uno snippet da incorporare o condividere sui social.

Eliminare un dataset#

Elimina un dataset che non ti serve più:

1. Apri Altre azioni (il pulsante …) nell'intestazione del dataset
2. Seleziona Elimina dataset
3. Conferma nella finestra di dialogo: "Il dataset verrà spostato nel cestino. Potrai ripristinarlo entro 30 giorni: [name]."

Lo stesso menu contiene Informazioni, che apre la finestra di dialogo dei metadati descritta in Metadati personalizzati, e Aggiorna, che rilegge il dataset dal server.

Addestrare sul 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

Per maggiori dettagli, consulta Addestramento cloud.

Domande frequenti#