データ準備

データ準備は、成功するコンピュータービジョンモデルの基盤です。Ultralytics Platformは、アップロードからアノテーション、分析に至るまで、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提供します。

概要

Ultralytics Platformのデータセクションでは、以下のことが可能です。

• 画像、動画、およびアーカイブ（ZIP、TAR、GZ）をアップロード
• 手動描画ツールとSAMスマートラベリングによる注釈付け
• 統計と可視化でデータを分析
• ローカルトレーニング用にNDJSON形式で エクスポート

ワークフロー

graph LR
    A[Upload] --> B[Annotate]
    B --> C[Analyze]
    C --> D[Train]

    style A fill:#4CAF50,color:#fff
    style B fill:#2196F3,color:#fff
    style C fill:#FF9800,color:#fff
    style D fill:#9C27B0,color:#fff

サポートされているタスク

Ultralytics Platformは、5つのYOLOタスクタイプすべてをサポートしています。

主な特徴

スマートストレージ

Ultralytics 効率的なデータ管理のためにコンテンツアドレス可能ストレージ（CAS）を採用しています：

• 重複排除: XXH3-128ハッシュにより同一の画像を一度だけ保存
• 完全性：ハッシュベースのアドレス指定によりデータの完全性が保証される
• 効率性: 最適化されたストレージと高速処理

データセットURI

を使用した参照データセット ul:// URI形式（参照 プラットフォームデータセットの使用）：

yolo train data=ul://username/datasets/my-dataset

これにより、APIキーを設定した任意のマシンからプラットフォームのデータセットを用いたトレーニングが可能になります。

from ultralytics import YOLO

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

データセットタブ

各データセットページには5つのタブがあります：

統計と可視化

The Charts タブは自動分析を提供し、以下を含みます：

• 分割分布：列車/検証/テスト画像数のドーナツチャート
• 上位クラス：最も頻度の高いアノテーションクラスのドーナツチャート
• 画像幅：画像幅分布のヒストグラム
• 画像の高さ分布ヒストグラム
• インスタンスごとのポイント数：ポリゴン頂点またはキーポイント数の分布（segment）
• アノテーション位置：バウンディングボックス中心位置の2Dヒートマップ
• 画像寸法：幅対高さの2Dヒートマップ（アスペクト比ガイドライン付き）

クイックリンク

• データセット: トレーニングデータをアップロードして管理
• アノテーション: 手動およびAI支援ツールによるラベルデータ

よくある質問

アップロードでサポートされているファイル形式は何ですか？

Ultralytics Platformがサポートするもの：

画像形式:JPEG、PNG、WebP、BMP、TIFF、HEIC、AVIF、JP2、DNG、MPO（各最大50MB）

動画形式:MP4、WebM、MOV、AVI、MKV、M4V（最大1GB、1FPSでフレーム抽出、最大100フレーム）

アーカイブ形式:ZIP, TAR, TAR.GZ, TGZ, GZ (最大10GB)YOLOラベル付き画像を含む

データセットの最大サイズはどれくらいですか？

ストレージ制限はプランによって異なります：

個々のファイル制限：画像 50MB、動画 1GB、アーカイブ 10GB

Platformデータセットをローカルでのトレーニングに使用できますか？

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_key"
yolo train model=yolo26n.pt data=ul://username/datasets/my-dataset epochs=100

import os

os.environ["ULTRALYTICS_API_KEY"] = "your_key"

from ultralytics import YOLO

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

または、完全にオフラインでトレーニングを行うために、データセットをNDJSON形式でエクスポートします。

📅 1ヶ月前に作成 ✏️ 5日前に更新

コメント