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効率的に管理するためのソリューションを提供します。アップロード後、プラットフォームが画像、ラベル、統計情報を自動的に処理します。

処理が完了し、train スプリットに少なくとも1枚の画像、val または test スプリットのいずれかに少なくとも1枚の画像、さらにラベル付き画像が少なくとも1枚あると、データセットはトレーニング可能になります。3つの条件をすべて満たすとデータセットヘッダーに Ready バッジが表示され、それ以外の場合は Not Ready バッジが表示されます。バッジをクリックすると、不足している条件を正確に確認できます。

エージェントで画像を収集する#

Agentsを使用して、選択した範囲内の信頼度など、モデル検出が条件を満たしたときにデータセットへ画像を追加します。その条件をDatasetブロックに接続し、編集可能な宛先を選択します。画像はラベルなしでtrainスプリットに届き、既存のコピーはスキップされます。既存のannotation editorで画像を確認し、ラベル付けします。

データセットをアップロード#

Ultralytics Platformは、柔軟性を高めるために複数のアップロード形式に対応しています。

サポートされているフォーマット#

動画コーデックのサポート#

ファイル拡張子だけでは十分ではありません。コーデックを処理中にデコードできない場合、動画の処理に失敗することがあります。

ffmpeg -i input.mov \
  -c:v libx264 -pix_fmt yuv420p \
  -c:a aac -movflags +faststart \
  output.mp4

データセットの準備#

プラットフォームは、Ultralytics YOLO、COCO、セマンティックPNGマスク、深度データセット、Ultralytics NDJSON、および生データ（アノテーションなし）のアップロードをサポートしています。

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

ラベルがクラスIDを参照しているにもかかわらずクラス名が指定されていない場合、Platformは連続したプレースホルダー名（class0、class1、…）を生成します。これらは後からClasses tabで名前を変更できます。

タスク別の形式の詳細については、supported tasksとDatasets Overviewを参照してください。

アップロードプロセス#

データセットを作成するには、次の手順を実行します。

1. サイドバーで Annotate に移動します
2. New Datasetをクリックします
3. データソースのタブを選択します（下記のData Sourcesを参照）
4. 名前を追加します。URLスラッグは自動的に生成され、編集もできます。任意で説明も追加できます。
5. タスクタイプ（supported tasksを参照）、任意のライセンス（available licensesを参照）、公開設定（パブリックまたはプライベート）を選択します
6. ローカルファイルの場合は Create & Upload、URLまたは接続済みソースの場合は Create & Import、空の状態から開始する場合は Create Dataset をクリックします

既存のデータセットにファイルを追加するには、該当するデータセットのページを開き、ギャラリーにファイルをドラッグするか、ページヘッダーのアップロードアイコンをクリックします。データセットのタスクがすでに定義されているため、アップロードアイコンをクリックするとブラウザのネイティブファイルピッカーが直接開きます。

データソース#

New Dataset ダイアログには4つのソースがあります。

アップロード開始前#

Platformは、何かをアップロードする前にブラウザーでファイルを検証するため、長時間の転送後ではなく、一般的な問題をすぐに確認できます。アーカイブについては、破損、空、パスワード保護、YAML構文エラーがないか確認され、サイズ超過のファイルは名前とともに一覧表示されます。

その後、2つのダイアログが表示される場合があります。

アップロード後、プラットフォームによってデータが自動的に処理されます。

graph LR
    A[Upload]:::start --> B[Validate]:::proc
    B --> C[Normalize]:::proc
    C --> D[Thumbnail]:::proc
    D --> E[Parse Labels]:::proc
    E --> F[Statistics]:::out

    classDef start fill:#4CAF50,color:#fff
    classDef proc fill:#2196F3,color:#fff
    classDef out fill:#9C27B0,color:#fff

1. 検証: フォーマットとサイズをチェックします
2. 正規化: 大きな画像のサイズを変更（最大4096px、最小辺28px）し、グレースケールをRGBに変換し、透明部分を白の背景に合成し、EXIFの向きを適用します
3. サムネイル: 256pxのWebPプレビューを生成します
4. ラベルの解析: YOLO、COCO、NDJSONのラベルを抽出します
5. 統計情報: クラス分布と画像の寸法を計算します

from ultralytics.data.utils import check_det_dataset

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

画像を参照#

データセットの画像を複数のレイアウトで表示します。

ギャラリーのツールバーからクラスタリングパネルを開くと、データセットをインタラクティブな2D散布図として探索できます。

並べ替えとフィルタリング#

効率的に参照できるよう、画像を並べ替えたりフィルタリングしたりできます。

フルスクリーンビューアー#

画像をクリックすると、次の機能を備えたフルスクリーンビューアーが開きます。

• ナビゲーション: 矢印キーまたはサムネイルプレビューで参照します
• 画像情報: Platformが生成したプロパティ、カスタムメタデータ、EXIFなどの埋め込みファイルメタデータを確認します
• カスタムメタデータ: オーナーと編集者は、最大500,000文字のシリアライズ済み文字数および最大128文字のトップレベルキーを含むJSONオブジェクトを追加または置換できます
• アノテーション: アノテーションオーバーレイの表示を切り替えます
• クラスの内訳: クラスごとのラベル数を色のインジケーター付きで表示します
• アノテーション: 編集アクセス権がある場合、デスクトップでフルスクリーンビューアーを開くと、アノテーションコントロールがすぐに有効になります
• ダウンロード: 元の画像ファイルをダウンロードします
• 削除: データセットから画像を削除します
• ズーム: Cmd/Ctrl+Scroll、Cmd/Ctrl++、またはCmd/Ctrl+=で拡大し、Cmd/Ctrl+-で縮小します
• 表示をリセット: Cmd/Ctrl + 0またはリセットボタンを使用して、画像をビューアーに収まるように表示します
• パン: ズーム中にSpaceを押したままドラッグすると、キャンバスをパンできます
• ピクセル表示: ピクセル化されたレンダリングを切り替えて、細部を確認します
• 深度カーテン: 深度データセットでは、ドラッグ可能な仕切りを動かして、RGB画像とカラー化された深度マップをワイプ表示します

分割でフィルタリング#

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。

クラスタリング#

Clusteringパネルは、データセットをインタラクティブな2D散布図に投影し、視覚的に類似した画像を近くに配置します。これを使用して、クラスターの把握、重複や外れ値の検出、データ全体における分割やクラスの分布の確認を、ギャラリーを離れずに行えます。データセットページのギャラリーツールバーにある散布図アイコンから開きます。

分析の実行#

分析を開始します。

1. データセットを開き、ギャラリーのツールバーにある散布図アイコンをクリックします
2. Analyze Datasetをクリックします
3. 進行状況バーが完了するまで待ちます。結果は同じパネルに表示されます

分析はComputing embeddingsとClusteringの2段階でバックグラウンド実行され、データセットのサイズによっては数分かかる場合があります。パネルを閉じたり、ページを離れて後から戻ったりできます。

可視化#

分析が完了すると、パネルに分析対象となったすべての画像の2D散布図、凡例、ポイントカウンターが表示されます。ギャラリーのフィルター（分割、クラス、ラベル済み/未ラベル）を使用すると、フィルター対象外のポイントが薄く表示され、必要なサブセットに集中できます。カウンターにはvisible / total pointsと表示されます。

色分け#

パネルツールバーのColor byドロップダウンで、データポイントの色分け方法を変更できます。表示モードはいつでも切り替えられます。プロットの色はすぐに変わるため、クラスター全体で分割、クラス、画像プロパティがどのように分布しているかを確認できます。

ラッソ選択#

領域の周囲を自由形式で選択して、プロット上のポイントを強調表示します。ギャラリーは一致する画像に絞り込まれるため、通常の画像操作を使用して、画像の確認、再ラベル付け、移動、削除を行えます。

パンとズーム#

マウスとキーボードから直接大規模な散布図を操作するか、プロット左下のズームボタンを使用できます。

再分析#

分析後にデータセットが変更された場合（新しい画像が追加された場合や、分析済みの件数がデータセットと一致しなくなった場合）、所有者と編集者にはパネル上部にRe-analyzeボタンが表示されます。

Re-analyzeをクリックすると、埋め込みと2D投影が最初から再計算されます。

類似画像の検索#

同じ埋め込みが、パブリックデータセット全体での類似度検索を可能にします。編集可能なデータセットにおいて、グリッドまたはコンパクトビュー（またはテーブルビューで選択された単行）内の画像を右クリックし、類似画像を検索を選択します。ダイアログには、データセットがすでに保持している画像や他のデータセットにおける選択画像のコピーを除外した、最も近いパブリック画像が最大24件、そのソースデータセット、ライセンス、および類似度スコアとともにリストされます。必要なものを選択してデータセットに追加をクリックすると、それらはラベルなし画像として train スプリットに追加され、ストレージの容量としてカウントされ、アノテーションの準備が整います。

埋め込みを持たない画像（まだ分析されていないデータセット内、または最後の分析以降に追加されたもの）には Analyze this dataset in Clustering to find similar images が表示されます。このダイアログは接続されたデータセットでは使用できません。モデルの画像ごとの検証診断は、最もパフォーマンスの低い画像から同じ検索を実行します。

データセットタブ#

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

Imagesタブ#

アノテーションオーバーレイ付きの画像ギャラリーを表示するデフォルトビューです。グリッド、コンパクト、テーブルの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。

Classesタブ#

このタブは、データセットに画像があり、そのタスクにクラスが存在する場合に表示されます。

データセットのアノテーションクラスを管理できます。

• クラスヒストグラム: クラスごとのアノテーション数を頻度順に表示する棒グラフです。線形スケールと対数スケールを切り替えられます
• クラステーブル: インデックス、名前、アノテーション数、画像数を含む、並べ替えと検索に対応したテーブルです
• クラス名の編集: 任意のクラス名をクリックすると、インラインで名前を変更できます
• クラスの色の編集: カラースウォッチをクリックすると、クラスの色を変更できます
• 新しいクラスの追加: 下部の入力欄を使用してクラスを追加できます
• クラスのマージ: 2つ以上の行を選択し、Merge into oneをクリックします
• クラスの削除: 1つ以上の行を選択し、Deleteをクリックします

クラスのマージ#

マージすると、重複するラベルや重なり合うラベルを統合できます。たとえば、car、automobile、vehicleを1つのクラスにまとめられます。

1. 行のチェックボックスを使用して、2つ以上のクラスを選択します
2. テーブルヘッダーのMerge into oneをクリックするか、選択範囲を右クリックします
3. 選択したクラスのうち、他のクラスをマージする対象クラスを選択します
4. 確認します

元のクラスに属するすべてのアノテーションが対象クラスに再割り当てされ、元のクラスは削除されます。アノテーションは削除されないため、データセットのアノテーション総数は変わりません。

クラスの削除#

1. 行のチェックボックスを使用して、1つ以上のクラスを選択します
2. テーブルヘッダーのDeleteをクリックするか、選択範囲を右クリックします
3. 確認します

クラスを削除すると、そのクラスとすべてのアノテーションが削除されます。分類データセットではラベルのみが削除され、画像は残るため、未アノテーションの状態になります。

Chartsタブ#

このタブは、データセットに画像がある場合に表示されます。

データセットから自動的に計算される統計情報です。

チャートは次の順序で表示され、該当するデータがない場合は省略されます。生画像データセットにはアノテーションチャートが表示されず、Points per Instanceはセグメントデータとポーズデータの場合にのみ表示されます。

Modelsタブ#

このデータセットでトレーニングしたすべてのモデルを、検索可能なテーブルで表示します:

エラータブ#

このタブは、1つ以上のファイルの処理に失敗した場合にのみ表示されます。

処理に失敗した画像には、次の情報が表示されます:

• エラーバナー: 失敗した画像の合計数とガイダンス
• 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の説明、修正のヒント、プレビューサムネイル
• よくあるエラーには、破損したファイル、サポートされていない形式、小さすぎる画像（最小28px）、サポートされていないカラーモードなどがあります

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、ファイルサイズが記録されます。

バージョンを作成するには:

1. Versionsタブを開きます
2. 必要に応じて説明を入力します（例: "Added 500 training images" または "Fixed mislabeled classes"）
3. New Versionをクリックします
4. 新しいバージョンがテーブルに表示されます

各バージョンには連番（v1、v2、v3...）が付けられ、変更不可です。バージョン自体を編集または削除することはできず、変更できるのは説明のみです。行のアクションを使用すると、いつでも任意のバージョンをダウンロードまたは復元できます。

データセットをエクスポートする#

データセットヘッダーまたはバージョンタブからNDJSONをダウンロードして、オフラインで使用できるようにデータセットをエクスポートします。

エクスポートするには:

1. データセットヘッダーのDownloadボタン（ダウンロードアイコン）をクリックします
2. 現在のNDJSONスナップショットを直接ダウンロードします
3. 後で再ダウンロードできる変更不可の番号付きスナップショットが必要な場合は、Versionsタブを使用します

NDJSONフォーマットは1行に1つのJSONオブジェクトを保存します。1行目にデータセットのメタデータが含まれ、その後に画像1枚につき1行が続きます。

{"type": "dataset", "task": "detect", "name": "my-dataset", "description": "...", "bytes": 12345678, "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", "metadata": {"location": {"site": "factory-1"}, "reviewed": true}, "annotations": {"boxes": [[0, 0.5, 0.5, 0.2, 0.3]]}}
{"type": "image", "file": "img002.jpg", "url": "https://...", "width": 1280, "height": 720, "split": "val"}

オプションの画像レベルのmetadataオブジェクトは、NDJSONファイルをPlatformにインポートする際にも保持されます。画像の全画面情報パネルから確認または編集できます。プログラムによるアーカイブのアップロードでは、Ingest Dataset Data APIが同等のimageMetadataパスマップを受け付けます。

Poseデータセットには、データセットヘッダー行にkpt_shapeフィールドも含まれます。このフィールドが未設定の場合は、アノテーションから推測されます。

Depthエクスポートでは、データセット行に"task": "depth"と"depth_scale": 1000を指定します。各画像行には、対応するプレーンなuint16 PNGのdepth.urlが含まれます。Ultralyticsは画像URLとDepth URLを同時にダウンロードし、同じスケールのトレーニング用YAMLを書き込むため、NDJSONファイルをmodel.train(data=...)に直接渡せます。

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

画像操作#

クイックアクション#

GridまたはCompactビューで任意の画像を右クリックすると、クイックアクションにアクセスできます:

一括で分割に移動#

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. Table ビューに切り替えます
2. チェックボックスを使用して画像を選択します
3. 右クリックしてコンテキストメニューを開きます
4. Move to split > Train、Validation、または Test を選択します

グリッドビューでは、画像を分割フィルターのタブにドラッグ＆ドロップすることもできます。画像を移動すると移動先の分割に同一の画像がすでに存在して衝突する場合、Platform はスキップ、両方を保持、置換のいずれかを選択するよう求めます。

分割の再配分#

カスタム比率を使用して、すべての画像を train、validation、test の分割に再配分します。

1. データセットツールバーの split bar をクリックして、Redistribute Splits ダイアログを開きます
2. 以下のいずれかの方法で分割の割合を調整します
3. リアルタイムの画像数プレビューを確認して、配分を確定します
4. Apply をクリックして、設定した割合に従ってすべての画像をランダムに再割り当てします

このダイアログでは、ターゲットの分割比率を設定する3つの方法が提供されます。

適用する前に、各分割に入る画像数をリアルタイムプレビューで正確に確認できます。

一括削除#

複数の画像を一度に削除します。

1. テーブルビューで画像を選択します
2. 右クリックして Delete を選択するか、Cmd/Ctrl+Delete を押します
3. 削除を確定します

データセット URI#

ul:// URI形式を使用して Platform の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）。

ul://username/datasets/dataset-slug

データセットまたはモデルのWeb URLを直接貼り付けることもできます（例: https://platform.ultralytics.com/username/datasets/dataset-slug）。URLは自動的に ul:// URIへ書き換えられます。データセットのリストを渡すと、各データセットで1つのベースモデルを順番にファインチューニングできます。例: model.train(data=["ul://username/datasets/a", "ul://username/datasets/b"])。

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

利用可能なライセンス#

Platform 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ています。

公開設定#

データセットを閲覧できるユーザーを管理します。

公開設定は、New Dataset ダイアログのトグルスイッチを使用してデータセットの作成時に設定します。パブリックデータセットは Explore ページに表示されます。

データセットの編集#

データセットのメタデータは、ダイアログを開かずにデータセットページ上で直接インライン編集できます。

• 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たとき、または Enter で自動保存されます。名前は100文字以内に制限されています。
• 説明: 説明（または「説明を追加...」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。説明は1,000文字以内に制限されています。
• タスクタイプ: タスクバッジをクリックして、別のタスクタイプを選択します。
• ライセンス: ライセンスセレクターをクリックして、データセットのライセンスを変更します。
• アイコン: データセットのアイコンをクリックして、自分の画像をアップロードするか、データセットに含まれる画像をアイコンに設定するか、文字と色を選択します。

カスタムメタデータ#

More actions を開き、Information を選択して2つのセクションを確認します。

• Ultralytics Metadata: データセットID、所有者、タスク、画像数とアノテーション数、ストレージリージョン、タイムスタンプなど、Platform の読み取り専用の詳細情報です
• Custom Metadata: データの出所、撮影条件、顧客ID、ガバナンス、その他のコンテキストデータに使用できる独自のJSONオブジェクトです

ワークスペース閲覧者はメタデータを確認でき、編集アクセス権を持つメンバーはカスタムメタデータオブジェクトを置き換えられます。シリアライズされたメタデータオブジェクトは500,000文字以内、トップレベルの各キーは128文字以内に制限されています。空のオブジェクト（{}）を保存すると、カスタムメタデータを消去できます。

データセットのクローン#

自分が所有していないパブリックデータセットを表示しているときに Clone Dataset をクリックすると、クローンダイアログが開きます。移行先のワークスペース、名前、公開設定、ライセンスを確認してから、クローンを確定します。コピーには、すべての画像、アノテーション、クラス定義が含まれます。パブリックなソースデータセットは、デフォルトの公開設定がパブリックのワークスペースでは、デフォルトでパブリックのままになります。Enterprise ワークスペースで作成されたクローンは、デフォルトでプライベートになります。元のデータセットにコピーレフトライセンスが付与されている場合、クローンにも継承され、ライセンスセレクターはロックされます。

移行先のスラッグがすでに使用されている場合は自動的に名前が変更され、クローンにはコピーを格納するのに十分な残りのストレージクォータが必要です。

スターと共有#

• 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。スター数はすべてのユーザーに表示されます。
• 共有: パブリックデータセットでは、共有ボタンをクリックしてリンクをコピーしたり、埋め込みスニペットを取得したり、ソーシャルプラットフォームで共有したりできます。

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. データセットヘッダーで More actions（… ボタン）を開きます
2. Delete Dataset を選択します
3. ダイアログで確認します: 「これにより、[name] はごみ箱に移動します。30日以内であれば復元できます。」

同じメニューには Information もあり、Custom Metadata で説明されているメタデータダイアログが開きます。また、Refresh を選択すると、サーバーからデータセットを再読み込みします。

データセットでトレーニング#

データセットから直接トレーニングを開始します:

1. データセットページで New Model をクリックします
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ーを設定します
4. トレーニングを開始します

graph LR
    A[Dataset]:::start --> B[New Model]:::proc
    B --> C[Select Project]:::proc
    C --> D[Configure]:::proc
    D --> E[Start Training]:::out

    classDef start fill:#4CAF50,color:#fff
    classDef proc fill:#2196F3,color:#fff
    classDef out fill:#9C27B0,color:#fff

詳細については、Cloud Training を参照してください。

FAQ#