Set di dati

I dataset di Ultralytics Platform offrono una soluzione ottimizzata per la gestione dei dati di addestramento. Una volta caricati, i dataset possono essere immediatamente utilizzati per l'addestramento del modello, con elaborazione automatica e generazione di statistiche.

Carica dataset

Ultralytics accetta diversi formati di caricamento per garantire la massima flessibilità.

Formati supportati

Preparazione del tuo dataset

La Piattaforma supporta due formati di annotazione più caricamenti raw: Ultralytics YOLO, COCO e raw (immagini non annotate):

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

my-coco-dataset/
├── train/
│   ├── _annotations.coco.json
│   ├── img001.jpg
│   └── img002.jpg
└── val/
    ├── _annotations.coco.json
    ├── img003.jpg
    └── img004.jpg

{
    "images": [{ "id": 1, "file_name": "img001.jpg", "width": 640, "height": 480 }],
    "annotations": [{ "id": 1, "image_id": 1, "category_id": 0, "bbox": [100, 50, 200, 300] }],
    "categories": [{ "id": 0, "name": "person" }]
}

Per i dettagli sul formato specifici per ogni task, consultare le task supportate e la Panoramica sui Dataset.

Processo di caricamento

1. Vai a Datasets nella barra laterale
2. Clicca New Dataset o trascina i file nella zona 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 la licenza opzionale (vedi licenze disponibili)
6. Clicca Create

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

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 min 28px)
3. Miniature: Anteprime WebP da 256px generate
4. Parsing Etichette: Etichette in formato YOLO e COCO estratte
5. Statistiche: Distribuzioni delle classi e dimensioni delle immagini calcolate

from ultralytics.hub import check_dataset

check_dataset("path/to/dataset.zip", task="detect")

Sfoglia immagini

Visualizza le immagini del tuo dataset in diversi layout:

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 miniature per navigare
• Metadati: Nome file, dimensioni, badge di suddivisione, conteggio annotazioni
• Annotazioni: Attiva/disattiva la visibilità dell'overlay delle annotazioni
• Ripartizione per Classe: Conteggi delle etichette per classe con indicatori di colore
• Modifica: Entra in modalità annotazione per aggiungere o modificare etichette.
• Download: Scarica il file immagine originale
• Elimina: Elimina l'immagine dal dataset
• Zoom: Cmd/Ctrl+Scroll per ingrandire/ridurre
• Vista pixel: Attiva/disattiva il rendering pixelato per un'ispezione ravvicinata

Filtra per split

Filtra le immagini in base alla loro suddivisione del dataset:

Schede del Dataset

Ogni pagina del dataset dispone di sei schede accessibili dalla barra delle schede:

Scheda Immagini

La vista predefinita mostra la galleria di immagini con le 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

Gestisci le classi di annotazione per il tuo dataset:

• Istogramma delle classi: Grafico a barre che mostra il conteggio delle annotazioni per classe con toggle per scala lineare/logaritmica
• Tabella delle classi: Tabella ordinabile e ricercabile con nome della classe, conteggio delle etichette e conteggio delle immagini
• Modifica i nomi delle classi: Clicca su qualsiasi nome di classe per rinominarlo in linea.
• Modifica i colori delle classi: Clicca su un campione di colore per cambiare il colore della classe.
• Aggiungi nuova classe: Usa il campo di input in basso per aggiungere classi

Scheda Grafici

Statistiche automatiche calcolate dal tuo dataset:

Scheda Modelli

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

Scheda Errori

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

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

Scheda Versioni

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

Per creare una versione:

1. Apri la scheda Versioni
2. Inserisci opzionalmente una descrizione (ad es., "Aggiunte 500 immagini di addestramento" o "Classi etichettate erroneamente corrette")
3. Clicca + Nuova Versione
4. Lo snapshot NDJSON viene generato e scaricato automaticamente

Ogni versione è numerata sequenzialmente (v1, v2, v3...) e archiviata permanentemente. È possibile scaricare qualsiasi versione precedente in qualsiasi momento dalla tabella delle versioni.

Esporta Dataset

Esporta il tuo dataset in formato NDJSON per l'utilizzo offline:

1. Clicca l'icona di download nell'intestazione del dataset
2. Il file NDJSON viene scaricato automaticamente

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 di Ultralytics per la specifica completa.

Operazioni su Immagini

Azioni rapide

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

Spostamento in blocco alla suddivisione

Riassegna le immagini selezionate a una diversa suddivisione all'interno dello stesso dataset:

1. Passa alla vista Tabella
2. Seleziona le immagini utilizzando le caselle di controllo
3. Fai clic destro per aprire il menu contestuale
4. Scegli Move to split > Addestramento, Validazione, oppure Test

Puoi anche trascinare e rilasciare le immagini sulle schede del filtro di divisione nella vista a griglia.

Eliminazione in blocco

Elimina più immagini contemporaneamente:

1. Seleziona le immagini nella vista tabella
2. Fai clic destro e scegli Delete
3. Conferma eliminazione

URI del Dataset

Fai riferimento ai dataset della Piattaforma utilizzando il ul:// Formato URI (vedi Utilizzo dei dataset della piattaforma):

ul://username/datasets/dataset-slug

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

from ultralytics import YOLO

model = YOLO("yolo26n.pt")
model.train(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 visualizzare il tuo dataset:

La visibilità viene impostata durante la creazione di un dataset nel New Dataset dialog tramite un interruttore. I dataset pubblici sono visibili su Esplora pagina.

Modifica Set di Dati

I metadati del dataset vengono modificati direttamente in linea sulla pagina del dataset — nessun dialogo necessario:

• Nome: Clicca il nome del dataset per modificarlo. Le modifiche vengono salvate automaticamente al di fuori del campo o Enter.
• Descrizione: Clicca sulla descrizione (o sul segnaposto "Aggiungi una descrizione...") per modificarla. Le modifiche vengono salvate automaticamente.
• Tipo di task: Clicca sul badge del task per selezionare un tipo di task differente.
• Licenza: Clicca sul selettore della licenza per modificare la licenza del dataset.

Clona Dataset

Quando si visualizza un dataset pubblico di cui non si è proprietari, cliccare Clone Dataset per creare 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.

Contrassegna e condividi

• Stella: Clicca il pulsante a stella per aggiungere un dataset ai preferiti. Il conteggio delle stelle è visibile a tutti gli utenti.
• Condividi: Per i dataset pubblici, clicca il 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. Clicca Delete
3. Conferma nella finestra di dialogo: "Questo sposterà [nome] nel cestino. Puoi ripristinarlo entro 30 giorni."

Addestra sul Dataset

Avvia l'addestramento direttamente dal tuo dataset:

1. Clicca New Model sulla 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 Addestramento Cloud per i dettagli.

FAQ

Cosa succede ai miei dati dopo l'upload?

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

1. Convalidato per formato e dimensione
2. Rifiutato se la dimensione minima è inferiore a 28px
3. Normalizzato se maggiore di 4096px (mantenendo il rapporto d'aspetto; codificato per uno storage ottimizzato)
4. Archiviato utilizzando Content-Addressable Storage (CAS) con hashing XXH3-128
5. Miniature generate a 256px WebP per una navigazione veloce

Come funziona l'archiviazione?

La piattaforma Ultralytics utilizza lo Storage Indirizzabile per Contenuto (CAS) per un'archiviazione efficiente:

• Deduplicazione: 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 accelera l'elaborazione
• Regionale: I dati rimangono nella regione selezionata (US, EU o AP)

Posso aggiungere immagini a un dataset esistente?

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

Come si spostano le immagini tra gli split?

Utilizzare la funzionalità di spostamento in blocco per la suddivisione:

1. Seleziona le immagini nella vista tabella
2. Fai clic destro e scegli Move to split
3. Seleziona la suddivisione target (Addestramento, Validazione o Test)

Quali formati di etichette sono supportati?

La Piattaforma Ultralytics supporta due formati di annotazione per il caricamento:

📅 Creato 2 mesi fa ✏️ Aggiornato 1 giorno fa

Commenti