Meet YOLO26: next-gen vision AI.

Link to this sectionデータ準備#

データ準備は、成功するコンピュータビジョンモデルの基礎です。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。



Watch: Get Started with Ultralytics Platform - Data

Link to this section概要#

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

  • アップロード: 画像、動画、およびデータセットファイル（ZIP、TAR（.tar.gz/.tgzを含む）、NDJSON）
  • アノテーション: 手動描画ツールとSAMを利用したスマートラベリング。 SAM 2.1または新しいSAM 3から選択できます。
  • 分析: 統計や視覚化によるデータ分析
  • エクスポート: ローカルでのトレーニング向けNDJSON形式での出力

Ultralytics Platform Data Overview Sidebar Datasets

Link to this sectionワークフロー#

graph LR
    A[Upload]:::start --> B[Annotate]:::proc
    B --> C[Analyze]:::proc
    C --> D[Train]:::out

    classDef start fill:#4CAF50,color:#fff
    classDef proc fill:#2196F3,color:#fff
    classDef out fill:#9C27B0,color:#fff
ステージ説明
アップロード自動処理による画像、動画、アーカイブのインポート
アノテーション全6種類のタスクに対する手動ツールを使用したデータへのラベル付け、または検出、セグメンテーション、セマンティックセグメンテーション、OBBに対するSAMアノテーションの利用
分析クラス分布、空間ヒートマップ、寸法統計の表示
エクスポートオフライン利用のためのNDJSON形式でのダウンロード

Link to this sectionサポートされているタスク#

Ultralytics Platformは、6種類のYOLOタスクすべてをサポートしています：

タスク説明アノテーションツール
Detectバウンディングボックスによる物体検出矩形ツール
Segmentピクセルマスクによるインスタンスセグメンテーションポリゴンツール
Semanticクラスごとのピクセル領域によるセマンティックセグメンテーションポリゴンツール
Pose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用したキーポイント推定キーポイントツール
OBB回転物体用の指向性バウンディングボックス指向性ボックスツール
Classify画像レベルの分類クラスセレクター
タスクタイプの選択

タスクタイプはデータセット作成時に設定され、利用可能なアノテーションツールを決定します。これは後でデータセットヘッダーのタスクセレクターから変更できますが、切り替え後に互換性のないアノテーションは表示されなくなります。

Link to this section主な特徴#

Link to this sectionスマートストレージ#

Ultralytics Platformでは、効率的なデータ管理のためにContent-Addressable Storage (CAS)を使用しています：

  • 重複排除: XXH3-128ハッシュ化により、同一の画像は一度だけ保存されます
  • 整合性: ハッシュベースのアドレッシングにより、データの整合性が保証されます
  • 効率性: 最適化されたストレージと高速な処理

Link to this sectionデータセットURI#

ul:// URI形式を使用してデータセットを参照します（Platformデータセットの使用を参照）：

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、プラットフォーム上のデータセットを使用してトレーニングを行うことができます。

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

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

Link to this sectionデータセットのバージョニング#

再現可能なトレーニングのために、データセットの不変な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、アノテーション数を記録します。詳細はバージョンタブを参照してください。

Link to this sectionデータセットタブ#

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
画像数グリッド、コンパクト、またはテーブルビューで、アノテーションオーバーレイ付きの画像を閲覧
Classesクラス名、色、クラスごとのラベル数の表示と編集
チャート自動統計：分割分布、クラス数、ヒートマップ
モデル数このデータセットでトレーニングされたモデル（メトリクスとステータスを含む）
バージョン再現可能なトレーニングのために、不変なNDJSONスナップショットを作成およびダウンロード
Errors処理に失敗した画像とエラー詳細、および修正ガイダンス

Classes（クラス）とCharts（チャート）は、データセットに画像が含まれている場合に表示されます。Errors（エラー）は処理失敗が存在する場合のみ表示されます。Versions（バージョン）は所有者、または既にバージョンが存在する場合は非所有者にも表示されます。

Link to this sectionクラスタリング#

視覚的に類似した画像が近くに配置される対話型2D散布図としてデータセットを探索します。クラスター、重複、外れ値の特定や、データ全体で分割やクラスがどのように分布しているかを調査するのに役立ちます。プロットの領域を投げ縄（Lasso）ツールで囲むと、その画像に絞り込むことができます。詳細はクラスタリングを参照してください。

Link to this section統計と視覚化#

Charts（チャート）タブでは、以下の自動分析を提供します：

  • 分割分布: 学習/検証/テストの画像数を示すドーナツチャート
  • トップクラス: 最も頻度の高いアノテーションクラスを示すドーナツチャート
  • 画像寸法: 画像の幅と高さの分布のヒストグラム（ピクセル単位）
  • インスタンスあたりのポイント数: ポリゴンの頂点またはキーポイント数の分布（セグメント/ポーズデータセット）
  • 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の2Dヒートマップ
  • 画像寸法2D: アスペクト比のガイドライン付き、幅対高さの2Dヒートマップ

Link to this sectionクイックリンク#

Link to this sectionよくある質問 (FAQ)#

Link to this sectionアップロードにはどのようなファイル形式がサポートされていますか？#

Ultralytics Platformは以下をサポートしています：

画像: JPEG、PNG、WebP、BMP、TIFF、HEIC、AVIF、JP2、DNG、MPO（各最大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）。オプションのYOLO形式ラベルとNDJSONエクスポートを含む。

Link to this section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：

プランストレージ制限
無料100 GB
Pro500 GB
Enterprise無制限

個別のファイル制限：画像50MB、動画1GB、データセットはFreeで10GB / Proで20GB / Enterpriseで50GB

Link to this sectionPlatform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_API_KEY"
yolo train model=yolo26n.pt data=ul://username/datasets/my-dataset epochs=100

または、完全にオフラインでのトレーニングのために、NDJSON形式でデータセットをエクスポートしてください。

貢献者
GLglenn-jocher13LAlaodouya2SEsergiuwaxmann2RIRizwanMunawar1AMamanharshx1

コメント