Integrazione Azure Blob Storage

L'integrazione Azure Blob Storage collega i container del tuo account di archiviazione alla Ultralytics Platform. Le immagini restano nei tuoi container: la Platform le indicizza direttamente, così puoi consultarle, annotarle e addestrare modelli YOLO senza caricarne una copia. Con le funzionalità AI attive, la Platform può anche usarle per l'annotazione intelligente, l'annotazione automatica, la ricerca di immagini simili e l'addestramento nel cloud.

Ottieni una stringa di connessione#

La Platform legge i tuoi blob e ne crea di nuovi solo per la generazione di immagini; non li modifica né li elimina mai. L'integrazione attuale richiede una stringa di connessione con chiave di accesso all'account, che concede privilegi a livello di account:

1. Nel portale Azure, apri il tuo account di archiviazione.
2. Vai a Sicurezza e rete > Chiavi di accesso.
3. Copia una stringa di connessione.

La stringa deve includere AccountName, AccountKey e HTTPS come protocollo: si tratta del formato fornito da Azure nella sezione Chiavi di accesso. Le stringhe di connessione con token SAS, che contengono SharedAccessSignature invece di AccountKey, vengono rifiutate.

Connettiti a Platform#

1. Vai a Impostazioni > Integrazioni e seleziona Azure Blob Storage nell'elenco delle integrazioni.
2. Incolla la stringa di connessione.
3. Fai clic su Trova contenitori disponibili, poi seleziona i contenitori da collegare. Puoi anche inserire manualmente il nome di un contenitore.
4. Fai clic su Connetti. Prima di salvare qualsiasi dato, la Platform verifica di poter elencare e leggere ogni container selezionato. Le chiavi dell'account possono sempre creare blob, quindi è possibile scrivere nei container collegati o riconnessi da quando è stata introdotta la generazione di immagini.

Ogni credenziale connessa include un interruttore per le funzionalità AI.

Per collegare lo spazio di archiviazione cloud, ti serve il ruolo di amministratore o proprietario del workspace. Puoi aggiungere fino a 50 contenitori alla volta; l'individuazione elenca fino a 300 contenitori nell'account di archiviazione.

Ricollegando in seguito lo stesso account di archiviazione, puoi aggiungere nuovi contenitori all'integrazione esistente. Una credenziale salvata viene sostituita solo se quella nuova può continuare a leggere tutti i contenitori già collegati. Se non è possibile leggere un contenitore, il messaggio di errore ne indica il nome, inclusi i contenitori collegati in precedenza con lo stesso account di archiviazione.

Funzionalità AI#

Ogni credenziale connessa include un interruttore Funzionalità AI in Impostazioni > Integrazioni, attivo per impostazione predefinita. Quando è attivo, le GPU Ultralytics e i provider di modelli AI possono usare le immagini associate a quella credenziale per:

• Annotazione intelligente SAM e annotazione automatica di immagini singole e in batch
• Ricerca di immagini simili e analisi di clustering
• Addestramento nel cloud
• Generazione di immagini, nei container con accesso in scrittura

I provider di modelli AI intervengono solo nella generazione di immagini, per la quale Google Gemini pianifica i prompt a partire dall'immagine sorgente, e nei modelli di annotazione a pagamento, che funzionano con la chiave del provider del tuo workspace. Platform non conserva copie delle tue immagini: le funzionalità le leggono su richiesta, il training nel cloud usa copie temporanee per la durata di un'esecuzione e la ricerca di immagini simili conserva un embedding per ogni immagine, che viene eliminato quando l'immagine lascia Platform.

Disattiva l'interruttore per impedire alle GPU Ultralytics e ai provider di modelli AI di accedere alle immagini. La disattivazione interrompe l'avvio di nuove attività AI; quelle già in corso vengono completate. I dataset che usano quella credenziale mostrano quindi Funzionalità AI disattivate, con un link a queste impostazioni, e ogni funzionalità non disponibile ne spiega il motivo. L'annotazione manuale, la condivisione e l'addestramento locale continuano a funzionare, e le etichette, i modelli e i risultati di ricerca già creati vengono mantenuti.

Per modificare l'interruttore, ti serve il ruolo di amministratore o proprietario del workspace. Puoi impostarlo anche tramite la REST API, usando l'ID dell'integrazione restituito da GET /api/integrations/buckets:

curl -X PATCH \
  -H "Authorization: Bearer YOUR_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{"processing": false}' \
  https://platform.ultralytics.com/api/integrations/buckets/INTEGRATION_ID

Generazione di immagini#

La funzione Genera immagini simili è disponibile per i dataset Azure Blob Storage quando le funzionalità AI sono attive. Le immagini aggiunte vengono salvate in una cartella generated/ all'interno della cartella del dataset, quindi aggiunte al dataset come qualsiasi altra immagine indicizzata. La Platform crea nuovi blob in quella cartella e non sovrascrive né elimina mai quelli esistenti. Se l'azione segnala che serve l'accesso in scrittura, riconnetti lo stesso account di archiviazione in Impostazioni > Integrazioni.

Crea un dataset da un contenitore Blob#

1. Fai clic su New Dataset e apri la scheda Cloud.
2. Scegli un contenitore collegato e individua la cartella che contiene i tuoi dati.
3. Conferma la cartella, modifica il nome del dataset e crealo.

Platform elenca la cartella una volta e indicizza gli elementi trovati:

• Immagini — I blob .jpg, .jpeg, .png, .webp e .avif vengono indicizzati; le dimensioni vengono lette tramite richieste limitate. Platform non conserva una seconda copia dell'immagine sorgente.
• Etichette — i file associati YOLO .txt vengono analizzati e convertiti in annotazioni Platform, abbinate usando la struttura standard images/ → labels/ o come elementi adiacenti nella stessa cartella.
• Metadati — un file YAML fornisce i nomi delle classi e la struttura dei punti chiave della posa, proprio come un caricamento di archivio. Se la cartella ne contiene diversi, vengono preferiti data.yaml e data.yml.
• Attività — l'attività viene determinata da un campione dei file di etichette, quindi le cartelle di segmentazione, posa e OBB vengono riconosciute in base alla struttura delle etichette, non all'attività scelta nella finestra di dialogo.
• Suddivisioni — I nomi delle cartelle train, val e test nel percorso del blob assegnano automaticamente le suddivisioni.

Il dataset funziona quindi come qualsiasi altro: puoi sfogliarlo e annotarlo, renderlo pubblico o privato, condividerlo con il tuo team e addestrare modelli usando l'addestramento gestito. Gli originali vengono trasmessi su richiesta e le immagini indicizzate non consumano la quota di spazio di archiviazione di Platform.

Importazioni non riuscite#

Se un'importazione non riesce — per una cartella vuota, un errore di battitura nel percorso o permessi revocati — il dataset mostra l'errore nella propria pagina. Gli editor possono fare clic su Riprova importazione per riavviarla usando il contenitore e la cartella salvati, oppure creare un nuovo dataset che punti al percorso corretto.

Un nuovo tentativo elenca nuovamente la cartella invece di riprendere da dove si era interrotto: i blob aggiunti dopo il primo tentativo vengono inclusi, mentre quelli che non sono più presenti vengono rimossi dal dataset.

Addestramento#

L'addestramento gestito segue il normale flusso di addestramento quando le funzionalità AI sono attive. Per la durata dell'esecuzione, l'addestramento usa copie delle immagini fissate create dalla Platform; le tue credenziali Azure non vengono mai esposte ai carichi di lavoro di addestramento. Se le funzionalità AI sono disattivate, la finestra di dialogo dell'addestramento spiega perché l'addestramento nel cloud non è disponibile e propone invece quello locale.

Disconnetti una connessione#

La disconnessione elimina la stringa di connessione salvata senza modificare nulla in Azure. I dataset creati a partire da questi contenitori rimangono nel tuo workspace con le relative classi, etichette e annotazioni, ma le immagini non possono essere caricate, visualizzate in anteprima o usate per l'addestramento finché non viene riconnesso lo stesso account di archiviazione. Anche mentre sono disconnessi, puoi rinominare i dataset, modificare le etichette o eliminarli.

Per disconnettere, vai a Impostazioni > Integrazioni, seleziona Azure Blob Storage, fai clic su Disconnetti accanto alla credenziale e conferma. Quando apri uno dei dataset associati, viene mostrato Azure Blob Storage disconnesso con un link a queste impostazioni; il dataset torna disponibile automaticamente una volta effettuata la riconnessione.

Puoi anche disconnetterti tramite la REST API, usando l'ID dell'integrazione restituito da GET /api/integrations/buckets:

curl -X DELETE \
  -H "Authorization: Bearer YOUR_API_KEY" \
  https://platform.ultralytics.com/api/integrations/buckets/INTEGRATION_ID

from ultralytics_platform import Platform

client = Platform()  # reads ULTRALYTICS_API_KEY
integrations = client.storage_integrations.list()
client.storage_integrations.delete("INTEGRATION_ID")

Per revocare l'accesso direttamente alla fonte, rinnova le chiavi di accesso dell'account di archiviazione in Azure.

Limitazioni attuali#

I dataset basati su Azure non supportano le funzionalità che richiedono copie delle immagini di proprietà della Platform: clonazione dei dataset, istantanee di versione immutabili, sfocatura dei volti e incollamento di immagini da altri dataset. L'annotazione intelligente, l'annotazione automatica, la ricerca di immagini simili, il clustering, l'addestramento nel cloud e la generazione di immagini richiedono che le funzionalità AI siano attive.

L'eliminazione di un dataset basato su Azure, o di singole immagini al suo interno, rimuove solo i riferimenti di Platform: i tuoi blob non vengono mai modificati.

Vedi anche le integrazioni Google Cloud Storage e Amazon S3.

Domande frequenti#