Dataset#

I dataset di Ultralytics Platform offrono una soluzione ottimizzata per la gestione dei 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 se contiene almeno un'immagine nello split train, almeno un'immagine nello split val o test, almeno un'immagine etichettata e un totale di almeno due immagini.

Carica Dataset#

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

Formati supportati#

Supporto codec video#

La sola estensione del file non basta: un video può comunque fallire se il suo codec non può essere decodificato dal worker di ingest della Platform.

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

Preparazione del tuo dataset#

La Platform supporta Ultralytics YOLO, COCO, Ultralytics NDJSON e caricamenti in formato grezzo (non annotato):

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 sui formati specifici delle attività, consulta la sezione sulle attività supportate e la Panoramica dei dataset.

Processo di caricamento#

Per creare un dataset:

1. Vai a Annotate nella barra laterale
2. Fai clic su New Dataset
3. Seleziona il tipo di attività (vedi le attività supportate)
4. Aggiungi un nome e una descrizione opzionale
5. Imposta la visibilità (pubblica o privata) e la licenza facoltativa (vedi le licenze disponibili)
6. Aggiungi i file e fai clic su Create & Upload, oppure fai clic su Create Dataset per iniziare con un dataset vuoto

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

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

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

    classDef start fill:#4CAF50,color:#fff
    classDef proc fill:#2196F3,color:#fff
    classDef out 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 in formato YOLO e COCO estratte
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")

Sfoglia 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.

Ordinamento e filtraggio#

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 sfogliare
• Informazioni sull'immagine: rivedi le proprietà generate da Platform, i metadati personalizzati e i metadati dei file incorporati come EXIF
• Metadati personalizzati: i proprietari e gli editor possono aggiungere o sostituire un oggetto JSON, inclusi valori annidati fino a 500.000 caratteri serializzati e chiavi di primo livello fino a 128 caratteri
• Annotazioni: Attiva/disattiva la visibilità della sovrapposizione delle annotazioni
• Ripartizione classi: Conteggi delle etichette per classe con indicatori colorati
• Annotate: Quando disponi dell'accesso in modifica, i controlli di annotazione sono attivi immediatamente all'apertura del visualizzatore a schermo intero su desktop
• 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 visualizzazione: Cmd/Ctrl + 0 o il pulsante di ripristino per adattare l'immagine al visualizzatore
• Panoramica: tieni premuto Space e trascina per spostarti nell'area di disegno quando si esegue lo zoom
• Vista pixel: Attiva il rendering pixelato per un'ispezione ravvicinata

Filtra per Split#

Filtra le immagini in base al loro split di 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 far emergere cluster, individuare duplicati e valori anomali 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 in 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. 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 e può richiedere alcuni minuti a seconda della dimensione del tuo dataset. Puoi chiudere il pannello o lasciare la pagina e tornare più tardi.

Visualizzazione#

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.

Colora per#

Modifica la modalità di colorazione dei punti dati 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 all'istante in modo da poter vedere come split, classi o proprietà delle immagini sono distribuiti tra i cluster:

Selezione a lazo (Lasso Selection)#

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

Panoramica e Zoom#

Naviga tra ampie dispersioni direttamente dal mouse e dalla tastiera:

Rianalisi#

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

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

Schede 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 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.

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 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

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 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

Scheda 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. Usa le azioni di riga per scaricare, ripristinare o eliminare la versione

Ciascuna versione è numerata in sequenza (v1, v2, v3...). Puoi scaricare una versione salvata finché rimane nella tabella delle versioni.

Esporta 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 memorizza un oggetto JSON per riga. La prima riga contiene i metadati del dataset, seguita da una riga per ciascuna 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 metadata a livello di immagine facoltativo viene conservato quando un file NDJSON viene importato in Platform. Puoi ispezionarlo o modificarlo dal pannello informativo a schermo intero dell'immagine. Per i caricamenti di archivi programmatici, la Dataset Ingest API accetta la mappa dei percorsi equivalente imageMetadata.

Consulta la documentazione del formato Ultralytics NDJSON per la specifica completa.

Operazioni sulle immagini#

Azioni rapide#

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

Sposta 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.

Ridistribuzione 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 rapporti di split di destinazione:

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. Fai clic con il pulsante destro del mouse e scegli Delete
3. Conferma l'eliminazione

URI del Dataset#

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

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); verrà automaticamente convertito nell'URI ul://. Passando un elenco di dataset, viene eseguito il fine-tuning di un modello di base su ciascuno in serie, ad esempio model.train(data=["ul://username/datasets/a", "ul://username/datasets/b"]).

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

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 durante la creazione di un dataset nella finestra di dialogo New Dataset tramite un interruttore. I dataset pubblici sono visibili nella pagina Explore.

Modifica Dataset#

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

• Name: fai clic sul nome del dataset per modificarlo. Le modifiche vengono salvate automaticamente alla perdita del focus o premendo 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.

Metadati personalizzati#

Apri Altre azioni e seleziona Informazioni per esaminare due sezioni:

• Metadati di Ultralytics: dettagli di Platform di sola lettura come ID dataset, proprietario, task, conteggi di immagini e annotazioni, regione di archiviazione e timestamp
• Metadati personalizzati: il tuo oggetto JSON per la provenienza, le condizioni di cattura, gli ID cliente, la governance o altri dati contestuali

I visualizzatori del workspace possono controllare i metadati, mentre i membri con accesso di modifica possono sostituire l'oggetto dei metadati personalizzati. L'oggetto di metadati serializzato è limitato a 500.000 caratteri e ogni chiave di primo livello è limitata a 128 caratteri. Salva un oggetto vuoto ({}) per cancellare i metadati personalizzati.

Clona dataset#

Quando visualizzi un dataset pubblico di cui non sei proprietario, fai clic su Clone Dataset per aprire la finestra di dialogo di clonazione. Rivedi lo spazio di lavoro 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. Per impostazione predefinita, i dataset di origine pubblici rimangono pubblici negli spazi di lavoro la cui visibilità predefinita è pubblica; i cloni degli spazi di lavoro Enterprise sono impostati come privati per impostazione predefinita. Se il dataset originale ha una licenza copyleft, il clone la eredita e il selettore della licenza risulta bloccato.

Metti 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.

Elimina Dataset#

Elimina un dataset di cui non hai più bisogno:

1. Clicca sull'icona del cestino Delete dataset nell'intestazione del dataset
2. Conferma nella finestra di dialogo: "Questo sposterà [name] 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]:::start --> B[New Model]:::proc
    B --> C[Select Project]:::proc
    C --> D[Configure]:::proc
    D --> E[Start Training]:::out

    classDef start fill:#4CAF50,color:#fff
    classDef proc fill:#2196F3,color:#fff
    classDef out fill:#9C27B0,color:#fff

Consulta la sezione 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 (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

Come funziona l'archiviazione?#

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

• Deduplication: Byte di immagine identici nella stessa regione di dati riutilizzano lo stesso oggetto sottostante
• Integrità: l'hashing XXH3-128 garantisce l'integrità dei dati
• Efficiency: I cloni riutilizzano gli oggetti CAS invece di copiare i byte delle immagini, pur continuando a contribuire alla quota di archiviazione del workspace di destinazione
• Regionale: i dati rimangono nella regione selezionata (US, EU o AP)

Posso aggiungere immagini a un dataset esistente?#

Sì. Trascina i file sulla galleria del dataset o clicca sull'icona di caricamento nell'intestazione della pagina, che apre direttamente il selettore di file nativo del tuo browser. Le nuove statistiche vengono calcolate automaticamente dopo l'elaborazione.

Come 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 pulsante destro del mouse 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 il caricamento di immagini raw:

Posso annotare lo stesso dataset per più tipi di attività?#

Sì. Ogni immagine memorizza insieme le annotazioni per tutti e 6 i tipi di attività (detect, segment, semantic, classify, pose, OBB). 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 nelle esportazioni e nell'addestramento; le annotazioni per le altre attività vengono preservate e riappaiono quando torni a selezionarle.