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の管理を効率化するソリューションを提供します。アップロード後、プラットフォームは画像、ラベル、および統計情報を自動的に処理します。データセットは、処理が完了し、train 分割に少なくとも1枚の画像、val または test 分割のいずれかに少なくとも1枚の画像、ラベル付き画像が少なくとも1枚、および合計で少なくとも2枚の画像が含まれている場合に、トレーニングの準備が完了します。

データセットのアップロード#

Ultralytics Platform は柔軟性を確保するため、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#

ビデオコーデックのサポート#

ファイル拡張子だけでは不十分です。プラットフォームのインジェストワーカーでコーデックを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、Ultralytics NDJSON、およびローカル（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

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 および 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#

データセットを作成するには:

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. タスクタイプを選択します（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. 公開範囲（パブリックまたはプライベート）とオプションのライセンスを設定します（利用可能なライセンス を参照）
6. ファイルを追加して Create & Upload をクリックするか、空のデータセットから始める場合は 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、そのデータセットのページを開き、ファイルをギャラリーにドラッグするか、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は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。

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

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. Validation: 形式とサイズのチェック
2. Normalization: 大きな画像のサイズ変更（最大4096px、最小辺28px）
3. Thumbnails: 256px の WebP プレビューを生成
4. ラベル解析: YOLO およびCOCOフォーマットのラベルが抽出されました
5. Statistics: クラス分布と画像の寸法を計算

from ultralytics.data.utils import check_det_dataset

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

画像のブラウズ#

複数のレイアウトでデータセットの画像を表示します。

ギャラリーツールバーから クラスタリング パネルを開き、インタラクティブな2D散布図としてデータセットを探索します。

並べ替えとフィルタリング#

画像を並べ替えおよびフィルタリングして、効率的に閲覧できます：

フルスクリーンビューア#

任意の画像をクリックして、以下を備えたフルスクリーンビューアを開きます：

• 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閲覧
• 画像情報: プラットフォームで生成されたプロパティ、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: 所有者と編集者は、シリアライズされた文字数が最大50万文字までのネストされた値や、トップレベルのキーが最大128文字までの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/非表示を切り替え
• クラス内訳: 色のインジケーター付きのクラスごとのラベル数
• Annotate: 編集権限がある場合、デスクトップでフルスクリーンビューアを開くと、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
• 削除: データセットから画像を削除
• ズーム: Cmd/Ctrl+Scroll、Cmd/Ctrl++、または Cmd/Ctrl+= でズームインし、Cmd/Ctrl+- でズームアウトします
• ビューのリセット: Cmd/Ctrl + 0 またはリセットボタンを使用して、画像をビューアに合わせます
• パン: ズーム時に Space を押しながらドラッグしてキャンバスをパンします
• ピクセル表示: 詳細を確認するためにピクセル化レンダリングを切り替え

分割によるフィルタリング#

データセットの分割によっ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が近くに配置されるようにします。ギャラリーを離れることなく、クラスタの浮上、重複や外れ値の特定、分割やクラスがデータ全体にどのように分布しているかの検査を行います。任意の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、ギャラリーツールバーの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. プログレス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

分析はバックグラウンドで実行され、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、ページを離れて後で戻ったりすることができます。

可視化#

分析が完了すると、パネルに分析されたすべての画像の2D散布図が表示されます。ギャラリーのフィルタ（分割、クラス、ラベルあり/なし）は、フィルタ外の点を暗くするため、目的のサブセットに集中できます。

色分け#

パネルツールバーの Color by ドロップダウンを使用して、データポイントの色分け方法を変更します。いつでもビューモードを切り替えることができ、プロットの色が即座に再適用されるため、分割、クラス、または画像プロパティがクラスタ全体にどのように分布しているかを確認できます：

投げ縄選択#

領域の周囲に自由形式の選択を描画して、プロット上のポイントをハイライトします。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、それらの検査、再ラベル付け、移動、または削除を行うことができます。

パンとズーム#

マウスとキーボードを使用して、大規模な散布図を直接操作します：

再分析#

分析後にデータセットが変更された場合、オーナーとエディタ向けにパネルの上部に Re-analyze ボタンが表示されます。

Re-analyze をクリックして、埋め込みと2D投影を最初から再計算します。

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：

画像タブ#

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のビューです。グリッド、コンパクト、テーブルビューモードをサポートしています。ファイルをここにドラッグ＆ドロップして画像を追加します。

クラスタブ#

このタブは、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。

データセットのアノテーションクラスを管理します：

• クラスヒストグラム: クラスごとのアノテーション数を示す棒グラフ（リニア/ログスケールの切り替え可能）
• クラス表: クラス名、ラベル数、画像数で並べ替えや検索が可能な表です。
• クラス名の編集: 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。
• クラスカラーの編集: カラーサンプルの色をクリックすると、クラスの色を変更できます。
• 新しいクラスの追加: 下部にある入力欄を使用してクラスを追加します。

チャートタブ#

このタブは、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。

データセットから算出された統計情報:

モデルタブ#

このデータセットで学習されたすべてのモデルを検索可能な表で表示します:

エラータブ#

このタブは、1つ以上のファイルの処理が失敗した場合にのみ表示されます。

処理に失敗した画像は、以下と共にリストされます:

• エラーバナー: 失敗した画像の合計数とガイダンス
• エラー表: 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
• 一般的なエラーには、破損したファイル、サポートされていないフォーマット、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#

再現可能な学習のために、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、作成時点での画像数、クラス数、注釈数、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きます
2. 必要に応じて説明を入力します（例：「学習画像を500枚追加」や「誤ってラベル付けされたクラスを修正」など）
3. + 新しいバージョンをクリックします
4. 新しいバージョンが表に表示されます
5. 行のアクションを使用して、バージョンのダウンロード、復元、または削除を行います

各バージョンには連番が付けられます (v1、v2、v3...)。保存されたバージョンは、バージョンテーブルに残っている間はダウンロードできます。

データセットをエクスポート#

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にあるダウンロードボタン（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可能な、番号付きの不変スナップショットが必要な場合は、Versions（バージョン）タブを使用します。

NDJSONフォーマットは、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、その後に画像ごとに1行ずつ続きます：

{"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ファイルがプラットフォームにインポートされる際に保持されます。画像のフルスクリーン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アップロードの場合、Dataset Ingest APIは同等の imageMetadata パスマップを受け入れます。

詳細な仕様については、Ultralytics NDJSONフォーマットのドキュメント を参照してください。

画像操作#

クイックアクション#

Grid（グリッド）または Compact（コンパクト）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。

分割先へ一括移動#

選択した画像を同じデータセット内の別の分割先に再割り当てします。

1. Table（テーブル）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

グリッドビューで画像を分割フィルタタブにドラッグ＆ドロップすることもできます。

分割の再分配#

カスタム比率を使用して、すべての画像をTrain、Validation、Testの分割全体に再分配します。

1. データセットツールバーの分割バーをクリックして、Redistribute Splits（分割の再分配）ダイアログを開きます。
2. 以下のいずれかの方法を使用して、分割のパーセンテージを調整します。
3. ライブの画像数プレビューを確認して、分配状況を確認します。
4. Apply（適用）をクリックして、設定したパーセンテージに従ってすべての画像をランダムに再割り当てします。

ダイアログには、ターゲットの分割比率を設定するための3つの方法が用意されています：

ライブプレビューにより、適用前に各分割に何枚の画像が配置されるかが正確に表示されます。

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 を選択します
3. 削除を確認します。

データセットURI#

ul:// URI形式を使用してプラットフォームのデータセットを参照します（プラットフォームデータセットの使用 を参照）：

ul://username/datasets/dataset-slug

データセットやモデルの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）。これは自動的に ul:// URIに書き換えられます。データセットのリストを渡すことで、例えば model.train(data=["ul://username/datasets/a", "ul://username/datasets/b"]) のように、それぞれを順番に1つのベースモデルでファインチューニングできます。

このURIを使用して、どこからでもモデルをトレーニングします。

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#

データセットの閲覧者を管理します。

公開範囲は、New Dataset ダイアログでデータセットを作成する際にトグルスイッチを使用して設定されます。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、データセットページ上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 Enter のタイミングで自動保存されます。
• Description（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。
• Task type（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。
• License（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。

カスタムメタデータ#

その他のアクションを開き、情報を選択して、次の2つのセクションを確認します。

• Ultralytics メタデータ: データセットID、所有者、タスク、画像とアノテーションの数、ストレージリージョン、タイムスタンプなどの読み取り専用Platform詳細
• カスタムメタデータ: プロベナンス、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用の独自のJSONオブジェクト

ワークスペースの閲覧者はメタデータを検査でき、編集権限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ることができます。シリアライズされたメタデータオブジェクトは最大50万文字に制限されており、各トップレベルのキーは最大128文字に制限されています。カスタムメタデータをクリアするには、空のオブジェクト（{}）を保存してください。

データセットをクローンする#

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は、Clone Dataset をクリックしてクローンダイアログを開きます。移動先のワークスペース、名前、公開範囲、ライセンスを確認し、クローンを確認します。コピーには、すべての画像、アノテーション、およびクラス定義が含まれます。デフォルトの公開範囲がパブリックであるワークスペースでは、パブリックソースデータセットはデフォルトでパブリックのままになります。エンタープライズワークスペースの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ある場合、クローンはそのライセンスを継承し、ライセンスセレクタはロックされます。

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。

データセットを削除#

不要になったデータセットを削除するには：

1. データセットヘッダーにある Delete dataset のゴミ箱アイコンをクリックします
2. ダイアログで確認します: "This will move [name] to trash. You can restore it within 30 days."

データセットでのトレーニング#

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、新しく作成する
3. トレーニングパラメータを設定する
4. トレーニングを開始する

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、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 (FAQ)#

アップロード後のデータはどうなりますか？#

データは選択されたリージョン（米国、欧州、またはAP）で処理・保存されます。画像は以下の処理を受けます：

1. 形式とサイズが検証される
2. 最小寸法が28px未満の場合は拒否される
3. 4096pxを超える場合は正規化される（アスペクト比を維持し、最適化されたストレージ用にエンコード）
4. XXH3-128ハッシュを使用したContent-Addressable Storage (CAS)で保存される
5. 高速ブラウジング用に256pxのWebPサムネイルが生成される

ストレージの仕組みはどのようになっていますか？#

Ultralytics Platformは、効率的なストレージのために**Content-Addressable Storage (CAS)**を使用しています：

• 重複排除 (Deduplication): 同じデータ領域内の同一の画像バイトは、同じ基盤オブジェクトを再利用します
• 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: クローンは画像バイトをコピーする代わりに CAS オブジェクトを再利用しますが、移動先ワークスペースのストレージクォータには引き続きカウントされます
• リージョン別: データは選択されたリージョン（米国、欧州、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。データセット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。新しい統計情報は処理後に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？#

一括スプリット移動機能を使用してください：

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 Move to split を選択します
3. ターゲットのスプリット（Train、Validation、またはTest）を選択

サポートされているラベル形式は何ですか？#

Ultralytics Platformは、YOLOラベル、COCO JSON、Ultralytics NDJSON、および生の画像アップロードをサポートしています：

同じデータセットに対して複数のタスクタイプのアノテーションを作成できますか？#

はい。各画像には、6つのタスクタイプ（detect、segment、semantic、classify、pose、OBB）すべてのアノテーションがまとめて保存されます。既存のアノテーションを失うことなく、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。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がエディターに表示され、エクスポートやトレーニングに含まれます。他のタスクのアノテーションは保持され、切り替えると再度表示されます。