データセット

Ultralytics Platformのデータセットは、トレーニングデータを管理するための合理化されたソリューションを提供します。アップロードされたデータセットは、自動処理と統計生成により、すぐにモデルトレーニングに使用できます。

データセットのアップロード

Ultralytics 柔軟性を考慮し、複数のアップロード形式に対応しています。

対応フォーマット

データセットの準備

プラットフォームは2種類の注釈フォーマットと生のアップロードをサポートしています： Ultralytics YOLO, COCO、および生の（アノテーションなしの画像）：

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" }]
}

タスク固有のフォーマットの詳細については、サポートされているタスクとデータセットの概要を参照してください。

アップロードプロセス

1. 移動先 Datasets サイドバーに
2. クリック New Dataset またはファイルをアップロードゾーンにドラッグしてください
3. タスクの種類を選択してください（サポートされているタスクを参照）
4. 名前とオプションの説明を追加します
5. 公開設定（公開または非公開）とオプションのライセンス（利用可能なライセンスを参照）を設定する
6. クリック Create

アップロード後、プラットフォームはマルチステージパイプラインを通じてデータを処理します。

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. 検証: フォーマットとサイズのチェック
2. 正規化: 大規模画像のリサイズ (最大4096px、最小寸法28px)
3. サムネイル: 256pxのWebPプレビューが生成されます
4. ラベル解析: YOLOおよびCOCO形式のラベルが抽出されました
5. 統計: クラス分布と画像寸法が計算されます

from ultralytics.data.utils import check_det_dataset

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

画像を閲覧

複数のレイアウトでデータセット画像を閲覧します。

並べ替えとフィルタリング

画像は効率的な閲覧のために並べ替えやフィルタリングが可能です：

フルスクリーンビューア

任意の画像をクリックすると、以下の機能を持つ全画面ビューアが開きます。

• ナビゲーション: 閲覧には矢印キーまたはサムネイルプレビューを使用
• メタデータ: ファイル名、寸法、分割バッジ、アノテーション数
• アノテーション: アノテーションオーバーレイの表示/非表示を切り替える
• クラスの内訳: クラスごとのラベル数と色インジケーター
• 編集: アノテーションモードに入り、ラベルを追加または変更します
• ダウンロード: 元の画像ファイルをダウンロード
• 削除: データセットから画像を削除します。
• ズーム: Cmd/Ctrl+Scroll 拡大/縮小する
• ピクセルビュー: 詳細な検査のためにピクセル化されたレンダリングを切り替えます

スプリットでフィルタ

データセットの分割に基づいて画像をフィルタリングします。

データセットタブ

各データセットページには、タブバーからアクセスできる6つのタブがあります。

画像タブ

デフォルト表示では、注釈オーバーレイ付きのイメージギャラリーが表示されます。グリッド表示、コンパクト表示、テーブル表示モードに対応しています。ここにファイルをドラッグ＆ドロップすると、画像を追加できます。

クラスタブ

データセットの注釈クラスを管理する：

• クラスヒストグラム: クラスごとのアノテーション数を示す棒グラフ（線形/対数スケール切り替え付き）
• クラス表：クラス名、ラベル数、画像数を含む、ソート可能で検索可能な表
• クラス名を編集: 任意のクラス名をクリックしてインラインで名前を変更します
• クラスの色を編集: カラースウォッチをクリックしてクラスの色を変更します
• Add new class: クラスを追加するには、下部の入力欄を使用します

チャートタブ

データセットから算出される自動統計情報:

モデルタブ

このデータセットで学習した全モデルを検索可能な表で表示:

エラータブ

処理に失敗した画像は以下に一覧表示されます：

• エラーバナー: 失敗した画像の総数とガイダンス
• エラーテーブル: ファイル名、ユーザーフレンドリーなエラー説明、修正ヒント、プレビューサムネイル
• よくあるエラーには、ファイルの破損、サポートされていない形式、画像が小さすぎる（最小28px）、およびサポートされていないカラーモードが含まれます。

バージョンタブ

再現可能なトレーニングのために、データセットの不変のNDJSONスナップショットを作成します。各バージョンは、作成時の画像数、クラス数、アノテーション数、およびファイルサイズをキャプチャします。

バージョンを作成するには：

1. バージョンタブを開く
2. 必要に応じて説明を入力してください（例：「500枚のトレーニング画像を追加しました」または「誤ってラベル付けされたクラスを修正しました」）
3. + New Versionをクリック
4. NDJSONスナップショットが生成され、自動的にダウンロードされます

各バージョンは順次番号が付けられ（v1、v2、v3など）、永続的に保存されます。バージョンテーブルから、いつでも以前のバージョンをダウンロードできます。

データセットのエクスポート

オフラインで使用するためにデータセットをエクスポートします。プラットフォームは複数のエクスポート形式をサポートしています:

エクスポートするには：

1. データセットヘッダーにあるエクスポートボタンをクリックします。
2. ご希望の形式を選択してください
3. エクスポート処理は非同期で実行されます。ダウンロードの準備が整い次第、通知が届きます

NDJSON形式では、1行につき1つのJSONオブジェクトを格納します。最初の行にはデータセットのメタデータが含まれ、その後1画像につき1行が続きます：

{"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"}

詳細な仕様については、Ultralytics NDJSON形式のドキュメントを参照してください。

画像処理

クイックアクション

グリッド表示またはコンパクト表示で画像を右クリックすると、クイックアクションが表示されます：

分割への一括移動

選択した画像を同じデータセット内の別の分割に再割り当てします：

1. テーブル表示に切り替える
2. チェックボックスを使用して画像を選択する
3. 右クリックでコンテキストメニューを開く
4. 選択 Move to split > トレーニング, 検証、または テスト

グリッド表示では、画像を分割フィルタータブにドラッグ＆ドロップすることもできます。

分割再配分

カスタム比率を使用して、すべての画像をトレーニング、検証、テストの各セットに再割り当てします：

1. データセットツールバーの分割バーをクリックして、「分割の再配置」ダイアログを開きます
2. 以下のいずれかの方法で分割比率を調整してください
3. ライブ画像の枚数プレビューを確認し、分布を確認してください
4. 「適用」をクリックすると、指定した割合に従ってすべての画像がランダムに再割り当てされます

このダイアログでは、目標の分割比率を設定する3つの方法が用意されています：

適用する前に、ライブプレビューで各分割領域に何枚の画像が配置されるかが正確に確認できます。

一括削除

複数の画像を一度に削除:

1. テーブルビューで画像を選択する
2. 右クリックして選択する Delete
3. 削除を確認

データセットURI

Platformデータセットを参照するには、以下を使用します。 ul:// URI形式（参照 プラットフォームデータセットの使用）：

ul://username/datasets/dataset-slug

このURIを使用すると、どこからでもモデルをトレーニングできます:

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)

利用可能なライセンス

プラットフォームは、データセットに対して以下のライセンスをサポートします：

表示設定

データセットの表示権限を制御します:

可視性は、データセットを作成する際に設定されます。 New Dataset トグルスイッチを使用したダイアログ。公開データセットは、 探索する ページ。

データセットの編集

データセットのメタデータは、データセットページで直接インライン編集されます。ダイアログは不要です。

• 名前: データセット名をクリックして編集します。変更はフォーカスが外れるか、または自動保存されます。 Enter.
• 説明: 説明（または「説明を追加...」のプレースホルダー）をクリックして編集します。変更は自動保存されます。
• タスクタイプ: タスクバッジをクリックして、異なるタスクタイプを選択します。
• ライセンス: データセットライセンスを変更するには、ライセンスセレクターをクリックしてください。

データセットをクローンする

公開データセットを閲覧する際、ご自身が所有していないデータセットについては、クリックしてください。 Clone Dataset ワークスペースにコピーを作成します。クローンにはすべての画像、注釈、およびクラス定義が含まれます。元のデータセットがコピーレフトライセンスを適用している場合、クローンもこれを継承し、ライセンス選択機能はロックされます。

スターとシェア

• スター: スターボタンをクリックしてデータセットをブックマークします。スターの数はすべてのユーザーに表示されます。
• 共有: 公開データセットの場合、共有ボタンをクリックしてリンクをコピーするか、ソーシャルプラットフォームに共有します。

データセットの削除

不要になったデータセットを削除します:

1. データセットアクションメニューを開きます
2. クリック Delete
3. ダイアログで「[name]はゴミ箱に移動されます。30日以内であれば復元できます。」と確認します

データセットで学習

データセットから直接トレーニングを開始します:

1. クリック New Model データセットページ上で
2. プロジェクトを選択するか、新規作成します。
3. トレーニングパラメータを設定します。
4. トレーニングを開始します。

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

詳細については、クラウドトレーニングを参照してください。

よくある質問

アップロード後、私のデータはどうなりますか？

データは選択された地域（米国、EU、またはAP）で処理および保存されます。画像は次のとおりです。

1. 形式とサイズが検証済み。
2. 最小寸法が28px未満の場合、拒否されます
3. 4096pxを超える場合は正規化（アスペクト比を維持；最適化された保存用にエンコード）
4. XXH3-128ハッシュを用いたコンテンツアドレス可能ストレージ（CAS）を使用して保存
5. 高速閲覧のため256px WebP形式で生成されたサムネイル

ストレージはどのように機能しますか？

Ultralytics Platformは、効率的なストレージのためにコンテンツアドレス指定ストレージ（CAS）を使用します。

• 重複排除: 異なるユーザーによってアップロードされた同一の画像は一度だけ保存されます。
• 整合性: XXH3-128ハッシュによりデータの整合性が保証されます
• 効率性: ストレージコストを削減し、処理を高速化します。
• 地域性: データは選択した地域（US、EU、またはAP）に留まります。

既存のデータセットに画像を追加できますか？

はい、ファイルをデータセットページにドラッグ＆ドロップするか、アップロードボタンを使用して追加の画像を追加してください。新しい統計は自動的に計算されます。

スプリット間で画像を移動するにはどうすればよいですか？

一括移動・分割機能を使用する：

1. テーブルビューで画像を選択する
2. 右クリックして選択する Move to split
3. 対象の分割（トレーニング、検証、テスト）を選択してください

どのようなラベル形式がサポートされていますか？

Ultralytics アップロード用に2つのアノテーション形式をサポートしています：

同じデータセットを複数のタスクタイプに対してアノテーションできますか？

はい。各画像には、5つのタスクタイプ（detect、segment、ポーズ推定、OBB、classify）すべてのアノテーションがまとめて保存されています。既存のアノテーションを保持したまま、いつでもデータセットのアクティブなタスクタイプを切り替えることができます。エディタに表示され、エクスポートやトレーニングに組み込まれるのは、アクティブなタスクタイプに一致するアノテーションのみです。その他のタスクのアノテーションは保持されており、タスクタイプを切り替えると再び表示されます。

📅 2ヶ月前に作成 ✏️ 1日前に更新

コメント