Dataset#

I dataset di Ultralytics Platform offrono una soluzione ottimizzata per la gestione dei tuoi dati di training. Dopo il caricamento, la piattaforma elabora automaticamente immagini, etichette e statistiche.

Un dataset è pronto per il training una volta completata l'elaborazione e quando contiene almeno un'immagine nello split train, almeno un'immagine nello split val o test e almeno un'immagine etichettata. L'intestazione del dataset mostra un badge Ready quando tutte e tre le condizioni sono soddisfatte, e un badge Not Ready in caso contrario; fai clic sul badge per vedere esattamente quale condizione manca.

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 è sufficiente: un video può comunque fallire se il suo 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 tuo dataset#

La Platform supporta Ultralytics YOLO, COCO, depth datasets, Ultralytics NDJSON e caricamenti grezzi (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

Se le etichette fanno riferimento a ID di classe ma non viene fornito alcun nome di classe, Platform genera nomi segnaposto densi (class0, class1, …) che potrai rinominare in seguito nella scheda Classi.

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. Scegli una scheda di origine dati (vedi Data Sources di seguito)
4. Aggiungi un nome (lo slug URL viene derivato automaticamente e può essere modificato) più una descrizione opzionale
5. Seleziona il tipo di task (vedi task supportati), una licenza opzionale (vedi licenze disponibili) e la visibilità (pubblica o privata)
6. Fai clic su Create & Upload per i file locali, Create & Import per un URL o una sorgente connessa, oppure Create Dataset per iniziare da zero

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.

Fonti dati#

La finestra di dialogo New Dataset offre quattro sorgenti:

Prima che inizi il caricamento#

Platform convalida i tuoi file nel browser prima di caricare qualsiasi elemento, in modo che i problemi comuni emergano immediatamente anziché dopo un lungo trasferimento. Gli archivi vengono controllati per corruzione, assenza di contenuti, protezione tramite password ed errori di sintassi YAML, e i file di dimensioni eccessive vengono elencati per nome.

Potrebbero quindi comparire due finestre di dialogo:

Dopo il caricamento, la piattaforma elabora automaticamente i tuoi dati:

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 di grandi dimensioni ridimensionate (max 4096 px, dimensione minima 28 px), scala di grigi espansa a RGB, trasparenza appiattita su sfondo bianco e orientamento EXIF applicato
3. Miniature: Anteprime WebP da 256px generate
4. Analisi delle etichette: estrazione delle etichette YOLO, COCO e NDJSON
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
• Tenda per la profondità: nei dataset di profondità, un divisore trascinabile consente di passare dall'immagine RGB alla relativa mappa di profondità a colori

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 in due fasi, Computing embeddings e Clustering, e può richiedere alcuni minuti a seconda delle dimensioni del tuo 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 con una legenda e un contatore di punti. I filtri della galleria (split, classe, etichettate/non etichettate) attenuano i punti fuori dal filtro in modo da poterti concentrare sul sottoinsieme di tuo interesse; il contatore indica quindi visible / total points.

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 i grandi grafici a dispersione direttamente con il mouse e la tastiera, oppure utilizzando i pulsanti di zoom in basso a sinistra del grafico:

Rianalisi#

Se il tuo dataset subisce modifiche dopo l'analisi (arrivano nuove immagini o il conteggio analizzato non corrisponde più al dataset), nella parte superiore del pannello compare un pulsante Re-analyze per i proprietari e gli editori.

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 compare quando il dataset contiene immagini e la sua attività ha classi.

Gestisci le classi di annotazione per il tuo dataset:

• Istogramma delle classi: istogramma che mostra il conteggio delle annotazioni per classe, ordinato per frequenza, con un selettore di scala lineare/logaritmica
• Tabella delle classi: tabella ordinabile e ricercabile con indice, nome, conteggio delle annotazioni e conteggio delle 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
• 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#

Il merge consolida etichette duplicate o sovrapposte, ad esempio raggruppando car, automobile e vehicle in un'unica classe:

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

Ogni annotazione appartenente alle classi di origine viene riassegnata alla classe di destinazione e le classi di origine vengono rimosse. Nessuna annotazione viene eliminata, quindi il conteggio totale delle annotazioni del dataset rimane invariato.

Elimina classi#

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

L'eliminazione di una classe rimuove la classe e tutte le sue annotazioni. Per i dataset di classificazione le etichette vengono rimosse ma le immagini rimangono, diventando non annotate.

Scheda Grafici#

Questa scheda appare quando il dataset contiene immagini.

Statistiche automatiche calcolate dal tuo dataset:

I grafici compaiono in questo ordine e ciascuno viene omesso quando il dataset non contiene dati per esso: un dataset di immagini grezze non mostra grafici di annotazione e Points per Instance appare solo per i dati di segmentazione e pose.

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. Fai clic su New Version
4. La nuova versione appare nella tabella

Ogni versione è numerata sequenzialmente (v1, v2, v3...) ed è immutabile: le versioni non possono essere modificate o rimosse, è possibile cambiarne solo le descrizioni. Utilizza le azioni di riga per scaricare o ripristinare qualsiasi versione in qualsiasi momento.

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 opzionale a livello di immagine metadata viene preservato 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, l'API di acquisizione dei dati del dataset accetta la mappa dei percorsi equivalente imageMetadata.

I dataset di pose contengono anche un campo kpt_shape nella riga dell'intestazione del dataset, dedotto dalle annotazioni quando 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 suo PNG uint16 semplice associato. Ultralytics scarica contemporaneamente gli URL delle immagini e della profondità e scrive un YAML di addestramento con la stessa scala, in modo che il file NDJSON possa essere passato direttamente a model.train(data=...).

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 e rilasciare le immagini sulle schede dei filtri degli split nella vista a griglia. Se lo spostamento di un'immagine dovesse entrare in conflitto con un'immagine identica già presente nello split di destinazione, Platform chiederà se saltare, conservare entrambe o sostituire.

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 tasto destro e scegli Delete, oppure premi Cmd/Ctrl+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:

• Nome: fai clic sul nome del dataset per modificarlo. Le modifiche vengono salvate automaticamente alla perdita del focus o premendo Enter. I nomi sono limitati a 100 caratteri.
• Descrizione: fai clic sulla descrizione (o sul testo segnaposto "Aggiungi una descrizione...") per modificarla. Le modifiche vengono salvate automaticamente. Le descrizioni sono limitate a 1.000 caratteri.
• 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.
• Icona: fai clic sull'icona del dataset per caricare la tua immagine, promuovere una delle immagini del dataset come icona oppure scegliere una lettera e un colore.

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.

Lo slug di destinazione viene rinominato automaticamente se risulta già in uso, e la clonazione richiede spazio di archiviazione rimanente sufficiente a contenere la copia.

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, fai clic sul pulsante di condivisione per copiare un link, ottenere uno snippet da incorporare o condividere sulle piattaforme social.

Elimina Dataset#

Elimina un dataset di cui non hai più bisogno:

1. Apri Altre azioni (il pulsante …) nell'intestazione del dataset
2. Scegli Elimina dataset
3. Conferma nella finestra di dialogo: "Questo sposterà [name] nel cestino. Puoi ripristinarlo entro 30 giorni."

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

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#