Ultralytics YOLO27:
Get Started

データ準備#

データ準備は、コンピュータービジョンモデルを成功させるための基盤です。Ultralytics Platformでは、アップロードからアノテーション、分析まで、トレーニングデータを管理するための包括的なツールを利用できます。



視聴: Ultralytics Platformを始める - データ

概要#

Ultralytics Platformのデータセクションでは、次のことができます。

  • 画像、動画、データセットファイル（ZIP、.tar.gz／.tgzを含むTAR、NDJSON）をアップロード
  • アーカイブまたはNDJSONエクスポートへの直接リンクを貼り付けてURLからインポートするか、Roboflowからインポート
  • Google Cloud Storage、Amazon S3、またはAzure Blob Storageを接続し、コピーをアップロードせずにデータをそのまま使用
  • EnterpriseのオンプレミスCPU/GPUワーカーを使って、ピクセルデータをオンプレミスに保持
  • 手動描画ツールと、SAMを使ったスマートアノテーション（SAM 2.1、SAM 3、またはデフォルトのSAM 3.1）、YOLOモデル、クラスプロンプト指定モデル（ホスト型のオープンソースモデルまたは有料プロバイダーモデル）を使って、1～200クラスの検出データセットにアノテーション
  • データセット全体にわたってクラスの名前変更、色変更、統合、削除を行い、クラスを管理
  • 類似画像を検索または類似画像を生成してデータセットを拡張し、残す画像にアノテーション
  • 既存の画像または今後アップロードする画像の顔をぼかす
  • 統計、可視化、埋め込みベースのクラスタリングを使ってデータを分析
  • ローカルトレーニング用にNDJSON形式でエクスポート

Ultralytics Platformのデータ概要サイドバー「データセット」

ワークフロー#

ステージ説明
アップロード画像、動画、またはアーカイブをインポートし、自動処理を実行
アノテーション手動ツールでデータにラベルを付けるか、SAM（検出、セグメンテーション、セマンティック、OBB）、YOLO、またはクラスプロンプト指定モデル（ホスト型のオープンソースモデルまたは有料プロバイダーモデル）を使ったスマートアノテーションで、1～200クラスの検出データセットにラベルを付けます
分析クラス分布、空間ヒートマップ、寸法統計、埋め込みクラスタを表示
エクスポートオフライン利用向けにNDJSON形式でダウンロード

対応タスク#

Ultralytics Platformのデータセットは、YOLOの7種類すべてのタスクタイプに対応しています。

タスク説明アノテーションツール
検出バウンディングボックスを使った物体検出矩形ツール
セグメンテーションピクセルマスクを使ったインスタンスセグメンテーションポリゴンツール
セマンティッククラスごとのピクセル領域を使ったセマンティックセグメンテーションポリゴンツール
深度ピクセル単位のメートル法による深度マップインポートされたターゲット
分類画像レベルの分類クラスセレクター
姿勢組み込みおよびカスタムのスケルトンテンプレートを使ったキーポイント推定キーポイントツール
OBB回転した物体向けの方向付きバウンディングボックス方向付きボックスツール
タスクタイプの選択

タスクタイプはデータセットの作成時に設定され、使用できるアノテーションツールを決定します。後からデータセットヘッダーのタスクセレクターで変更できますが、互換性のないアノテーションは切り替え後に表示されなくなります。深度タスクへの切り替え、または深度タスクからの切り替えは、データセットが空の場合に限り可能です。詳しくはデータセットの編集をご覧ください。

主な機能#

スマートストレージ#

Ultralytics Platformはストレージを効率的に管理します。

  • 重複排除: 同じデータリージョン内の同一画像は1回だけ保存されます
  • 整合性: アップロード時にデータの整合性が検証されます
  • 効率性: ストレージを最適化し、処理を高速化します

データセットURI#

ul:// URI形式を使ってデータセットを参照します（Platformデータセットの使用をご覧ください）。

yolo train model=yolo26n.pt data=ul://username/datasets/my-dataset

APIキーを設定すれば、どのマシンからでもPlatformのデータセットを使ってトレーニングできます。

PythonからPlatformのデータを使用
from ultralytics import YOLO

model = YOLO("yolo26n.pt")
model.train(data="ul://username/datasets/my-dataset", epochs=100)

データセットのバージョン管理#

再現性の高いトレーニングのために、データセットの変更不可なNDJSONスナップショットを作成します。各バージョンには、作成時点の画像数、クラス数、アノテーション数が記録されます。詳しくはバージョンタブをご覧ください。

データセットのタブ#

データセットの状態と権限に応じて、データセットページには最大6つのタブが表示されます。

タブ説明
画像アノテーションを重ねて表示しながら、グリッド、コンパクト、またはテーブル表示で画像を閲覧
クラスクラスごとのラベル数を確認しながら、クラスの表示、名前変更、色変更、統合、削除を実行
チャート分割分布、クラス数、ヒートマップの自動統計
モデルこのデータセットでトレーニングしたモデルとそのメトリクスおよびステータス
バージョン変更不可のNDJSONスナップショットの作成、比較、ダウンロード、復元
エラー処理に失敗した画像と、エラーの詳細および修正方法

Classesは、データセットに画像があり、そのタスクにクラスが設定されている場合に表示されます。Chartsは、画像がある場合に表示されます。Errorsは、処理エラーがある場合にのみ表示されます。Versionsは、編集アクセス権がある場合、または既存のバージョンがある読み取り専用モードの場合に表示されます。

クラスタリング#

データセットをインタラクティブな2D散布図で探索できます。見た目が似た画像は近くに配置されるため、クラスタ、重複、外れ値の特定や、データ全体における分割やクラスの分布の確認に役立ちます。範囲をなげなわで囲むか点をクリックすると、該当画像にギャラリーを絞り込めます。分析には、エラーのない画像が20～200,000枚必要です。同じ埋め込みを使って、公開データセット、自分のデータセット、チームのデータセットから類似画像を検索し、自分のデータセットに追加できます。詳しくはクラスタリングをご覧ください。

統計と可視化#

Chartsタブでは、次の自動分析を利用できます。

  • 分割分布: train／val／testの画像数を示すドーナツグラフ
  • 上位クラス: アノテーション数が多い上位10クラスを示すドーナツグラフ
  • 画像サイズ: 画像の幅と高さの分布を示すヒストグラム（ピクセル単位）
  • 画像サイズ 2D: アスペクト比のガイドラインを表示した、幅と高さの2Dヒートマップ
  • アノテーション位置: バウンディングボックスの中心位置を示す2Dヒートマップ
  • インスタンスあたりのポイント数: ポリゴン頂点またはキーポイント数の分布（セグメンテーション／ポーズデータセット）

全リストについてはチャートタブをご覧ください。

よくある質問#

  • Ultralytics Platformでサポートされている形式は次のとおりです。

    画像: JPEG、PNG、WebP、BMP、TIFF、HEIC、AVIF、JP2、DNG、MPO（各ファイル最大50MB）

    動画: MP4、WebM、MOV、MKV、M4V（最大1GB、1 FPSでフレームを抽出、最大100フレーム）

    データセットファイル: .tar.gzおよび.tgzを含むZIPまたはTARアーカイブ（Freeでは最大10GB、Proでは20GB、Enterpriseでは50GB）。画像に加えて、任意でYOLO形式、COCO JSON、またはLabelMe JSONラベル、セマンティックPNGマスク、深度マップ、さらにUltralytics NDJSONまたはLabelboxのNDJSONエクスポートを含めることができます

    これらのアーカイブ形式またはNDJSON形式は、New DatasetダイアログのURLタブに直接HTTP(S)リンクを貼り付けてインポートすることもできます。Pascal VOC XMLラベルは検出されますが、インポートされません。

  • ストレージ上限はプランによって異なります。

    プランストレージ上限
    Free100 GB
    Pro500 GB
    Enterprise無制限

    個別ファイルの上限: 画像50MB、動画1GB、データセットはFreeで10GB／Proで20GB／Enterpriseで50GB

  • はい。データセットURI形式を使用して、ローカルで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

    または、データセットをNDJSON形式でエクスポートし、メタデータ、分割、アノテーション、署名付き画像URLを転送できます。

コントリビューター
GLglenn-jocher24RAraimbekovm6LAlaodouya3SEsergiuwaxmann2PDpderrenger1JAJaviChulvi1RIRizwanMunawar1AMamanharshx1

コメント