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です。アップロード後、プラットフォームが画像、ラベル、統計を自動的に処理します。

処理が完了し、train分割に画像が1枚以上、valまたはtest分割のいずれかに画像が1枚以上あり、ラベル付き画像が1枚以上あると、データセットをトレーニングに使用できます。3つの条件すべてを満たすとデータセットのヘッダーにReadyバッジが表示され、満たさない場合は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。

エージェントを使用して画像を収集する#

エージェントを使用すると、モデル検出の信頼度が指定範囲内にある場合など、条件を満たしたときにデータセットへ画像を追加できます。条件をデータセットブロックに接続し、編集可能な保存先を選択してください。画像はラベルなしでtrain分割に追加され、既存の画像はスキップされます。既存のアノテーションエディターで確認し、ラベルを付けてください。

データセットをアップロードする#

Ultralytics Platformは柔軟に利用できるよう、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形式#

動画コーデックのサポート#

ファイル拡張子だけでは判断できません。処理中に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#

Platformは、Ultralytics YOLO、COCO、LabelMe JSON、セマンティックPNGマスク、深度データセット、Ultralytics NDJSONおよびLabelboxのNDJSON、さらに未アノテーションの生データのアップロードに対応しています。

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を参照しているもののクラス名が指定されていない場合、PlatformはIDを0始まりの連続した番号に再割り当てし、各クラスに元のIDに基づく名前（class0、class3、…）を付けます。これらの名前は、後からClassesタブで変更できます。

タスク別のフォーマットの詳細については、対応タスクとデータセットの概要をご覧ください。

アップロード手順#

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. データソースのタブを選択します（下記のデータソースを参照）
4. 名前を追加します。URLスラッグは自動的に生成され、編集できます。説明は任意で追加できます
5. タスクの種類（対応タスクを参照）、任意のライセンス（利用可能なライセンスを参照）、および公開設定（公開または非公開）を選択します
6. ローカルファイルには Create & Upload、URLまたは接続済みソースには Create & Import、空の状態から開始するには 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、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、ブラウザー標準のファイル選択画面が直接開きます。

データソース#

New Dataset ダイアログでは、4つのソースを選択できます:

深度データセットはUploadまたはURLからのみ作成できます。深度タスクでは、CloudタブとOn Premiseタブは無効になります。

アップロード開始前#

Platformはアップロード前にブラウザー内でファイルを検証するため、よくある問題を長時間の転送後ではなく、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を確認し、サイズ超過のファイルは名前を一覧表示します。

続いて、次の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、Platformがデータを自動的に処理します:

1. 検証: フォーマットとサイズを確認します
2. 正規化: 大きな画像はリサイズされ（最大4096px、最小辺は28px）、グレースケール画像はRGBに変換され、透明部分は白で塗りつぶされ、EXIFの向きが適用されます。TIFFのオリジナルファイルはアップロード時のまま保存されます
3. サムネイル: 256pxのWebPプレビューを生成します
4. ラベル解析: YOLO、COCO、LabelMe、Ultralytics、またはLabelboxのNDJSONラベルを抽出します
5. 統計情報: クラスの分布と画像サイズを計算します

from ultralytics.data.utils import check_det_dataset

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

画像の閲覧#

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き、インタラクティブな2D散布図でデータセットを調べます。

並べ替えとフィルター#

画像は、効率よく閲覧できるように並べ替えやフィルタリングができます:

フルスクリーンビューアー#

画像をクリックするとフルスクリーンビューアーが開き、次の操作ができます:

• 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画像を閲覧します
• 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などのファイルに埋め込まれた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、シリアライズ後の文字数が最大500,000文字、トップレベルキーが最大128文字のJSONオブジェクト（ネストされた値を含む）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で表示します
• アノテーション: 編集権限がある場合、デスクトップで全画面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
• 顔のぼかし: 利用可能な場合、アノテーションを右クリックすると、画像の顔ぼかしをプレビューして適用できます
• 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で、画像がビューアーに収まるように表示します
• パン: Spaceを押しながらドラッグするか、マウスの中ボタンでドラッグすると、ズームレベルに関係なくキャンバスをパンできます
• ピクセル表示: 詳細を確認するため、ピクセル化したレンダリングに切り替えます
• 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切り替えます

データセット分割でフィルター#

データセットの分割で画像をフィルターします:

クラスタリング#

Clusteringパネルでは、データセットがインタラクティブな2D散布図に投影され、視覚的に類似した画像が近くに配置されます。このパネルを使うと、ギャラリーを離れずにクラスターの確認、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調査ができます。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。このパネルはデスクトップ専用です。編集権限のない閲覧者には、データセットの分析後にアイコンが表示されます。

分析の実行#

分析を開始するには:

1. データセットを開き、ギャラリー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. 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Computing embeddingsとClusteringの2段階で実行され、データセットのサイズによっては数分かかることがあります。パネルを閉じたり、ページを離れたりしても、後で戻って確認できます。

可視化#

分析が完了すると、パネルに分析済み画像すべての2D散布図、凡例、ポイント数が表示されます。ギャラリーのフィルター（分割、クラス、ラベルあり/なし）を適用すると、フィルター対象外のポイントが薄く表示されるため、対象のサブセットに集中できます。このとき、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。切り替えるとプロットの色がすぐに変わり、クラスター全体での分割、クラス、画像プロパティの分布を確認できます:

投げ縄選択とクリック選択#

プロット上の領域を自由形式で囲んでポイントをハイライトするか、ポイントをクリックして同じ色のポイントをすべて選択します（幅、高さ、サイズ、アノテーションで色分けしている場合は、そのポイントのみが選択されます）。選択を解除するには、プロットの空白領域をクリックします。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って画像を確認、再ラベル付け、移動、削除できます。

パンとズーム#

マウスやキーボードを使うか、プロット左下のズームボタンを使って、大規模な散布図を直接操作できます:

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、または分析済み画像数がデータセットの画像数と一致しなくなった場合）、あるいはクラスターの色分けオプションが追加される前に分析が行われた場合、オーナー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、埋め込み表現と2D投影を最初から再計算します。

類似画像を検索#

同じ埋め込み表現を使って、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を対象に類似画像を検索できます。編集可能なデータセットで、グリッドまたはコンパクト表示の画像を右クリックするか、テーブル表示で1行だけ選択して、類似画像を検索を選びます。ダイアログには検索元の画像と、類似度スコアが付いた最も近い画像が最大24枚表示されます。ただし、すでにデータセットに含まれる画像と、選択した画像の別データセット内のコピーは除外されます。画像をクリックすると、フルサイズでプレビューし、元のデータセット、ライセンス、類似度スコアを確認できます。チェックボックスで画像を選択（またはすべて選択）してから、データセットにN枚追加をクリックします。画像はラベルなしの状態でtrain分割に追加され、ストレージ使用量に計上されます。その後、アノテーションを行えます。

埋め込み表現がない画像（まだ分析されていないデータセット内の画像、または前回の分析後に追加された画像）は、ダイアログを開いたときに埋め込み表現が生成されるため、事前にクラスタリング分析を実行する必要はありません。このダイアログは接続済み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では、パフォーマンスが最も低い画像を対象に同じ検索を実行します。

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、各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:

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。

クラス タブ#

データセットに画像があり、そのタスクにクラスがある場合に、このタブが表示されます。

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棒グラフで表示します。頻度順に並べ替えられ、線形/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、画像数で並べ替えや検索ができるテーブルです
• クラス名を編集: クラス名をクリックすると、その場で名前を変更できます
• クラスの色を編集: 色見本をクリックすると、クラスの色を変更できます
• クラスを追加: 下部の入力欄を使ってクラスを追加します
• クラスを統合: 2行以上を選択してMerge into oneをクリックします
• クラスを削除: 1行以上を選択してDeleteをクリックします

クラスの統合#

統合すると、重複または重なり合うラベルをまとめられます。たとえば、car、automobile、vehicleを1つのクラスにまとめます:

1. 行のチェックボックスを使って、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、他のクラスを統合するターゲットを選択します
4. 確認します

ソースクラスに属するすべてのアノテーションがターゲットクラスに再割り当てされ、ソース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、データセット全体のアノテーション数は変わりません。

クラスの削除#

1. 行のチェックボックスを使って、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、そのクラスとその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が削除されますが、画像は残り、未アノテーションの状態になります。

グラフタブ#

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:

グラフは次の順に表示され、データセットに該当データがない場合は省略されます。生画像データセットではアノテーションのグラフは表示されず、Points per Instanceはセグメンテーションデータとポーズデータの場合にのみ表示されます:

モデルタブ#

このデータセットでトレーニングされたすべてのモデルを、検索可能なテーブルで確認できます:

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は、次の情報とともにここに一覧表示されます:

• 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、ユーザー向けのエラー説明、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、ファイルの破損、未対応の形式、小さすぎる画像（最小28px）、未対応のカラーモードなどがあります

バージョンタブ#

再現性のある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、および追加されたストレージ容量が記録されます。

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:「トレーニング画像を500枚追加」または「誤ったクラスラベルを修正」）
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テーブルに表示されます。たとえば復元直後など、データセットが既存のバージョンと一致する場合は、そのバージョンが再利用され、説明を入力していれば新しい説明が設定されます

各バージョンには連番（v1、v2、v3...）が付けられ、変更不可となります。バージョン自体は編集も削除もできず、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。

バージョンの比較#

v1以降の任意のバージョンで比較アイコンをクリックすると、それより前のバージョンからの変更点を確認できます。バージョンを比較では、初期状態で直前のバージョンが選択されています。別のバージョンを開始元メニューから選択できます。画像、アノテーション、クラス、設定のグループに表示されるチップには、追加、削除、変更された画像や、別の分割に移動した画像の数、追加・削除されたアノテーション数が表示されます。また、追加、削除、名前変更されたクラスと、変更されたデータセット設定が示されます。変更された各画像はバッジ付きで一覧表示されます。画像を選択すると、そのバージョンに保存されていたラベルとともに、変更前と変更後の画像を確認できます。画像とアノテーションに差がない場合は、ダイアログに変更なしと表示されます。クラス定義またはデータセット設定のみが異なる場合は、画像の変更なしと表示されます。

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「Versions」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にある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形式では、1行につき1つのJSONオブジェクトが格納されます。最初の行にはデータセットのメタデータが含まれ、その後に画像ごとの行が続きます:

{"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にインポートしたときに保持されます。このオブジェクトは、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。プログラムからアーカイブをアップロードする場合、Ingest Dataset Data APIでは同等のimageMetadataパスマップを使用できます。

Poseデータセットでは、データセットのヘッダー行に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定されます。

Depthエクスポートでは、データセット行で"task": "depth"と"depth_scale": 1000を宣言します。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を並行してダウンロードし、同じスケールを使用するトレーニングYAMLを書き出すため、NDJSONファイルをmodel.train(data=...)に直接渡すことができます。

詳しい仕様については、Ultralytics NDJSON形式のドキュメントをご覧ください。

画像操作#

クイックアクション#

GridまたはCompact表示で画像を右クリックするか、Table表示で1行だけ選択して右クリックすると、クイックアクションを使用できます。利用できるアクションは、編集権限とデータセットのソースによって異なります:

分割先を一括変更#

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表示に切り替えます
2. チェックボックスを使っ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

グリッド表示では、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画像がすでにある場合、Platformはスキップ、両方を保持、置換のいずれかを選ぶよう求めます。

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の各分割に再配分します:

1. データセットのツールバーにある分割バーをクリックして、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比率を調整します
3. 画像数のリアルタイムプレビューを確認し、分布を確定します
4. Applyをクリックして、指定した比率に従ってすべての画像をランダムに再割り当てします

ダイアログでは、分割の目標比率を3つの方法で設定できます:

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. テーブル表示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

画像のコピーと移動#

編集可能なデータセットから別のデータセットへ、ワークスペースが異なる場合も含めて、画像をコピーまたは移動できます:

1. ソースデータセットで、GridまたはCompact表示の画像を右クリックしてCopyまたはCutを選択するか、Table表示で画像を選択してCmd/Ctrl+CまたはCmd/Ctrl+Xを押します。Escを押すとクリップボードが空になります。
2. 移動先のデータセットを開き、画像を右クリックしてPasteを選択するか、Cmd/Ctrl+Vを押します。

貼り付けた画像のラベルと分割は維持され、移動先の同じ分割にすでに存在する画像はスキップされます。Cutでは貼り付けた画像がソースデータセットから削除されますが、Copyではソースデータセットは変更されません。コピーする画像にラベルがない場合も含め、ソースと移動先ではタスク、互換性のある画像チャンネル、ポーズのキーポイント設定、depthスケールが一致している必要があります。空の移動先では、未設定の画像チャンネルとポーズ設定を引き継ぐことができます。画像を接続済みデータセットに貼り付けることはできません。

クラスは名前で照合されます。1文字および2文字の名前を除き、大文字と小文字は区別されません。移行先にクラスがない場合は、移行元のクラスリストが使用されます。貼り付けた画像で移行先にないクラスが使われている場合、クラスをマッピングダイアログが表示されます。該当する各クラスをデータセットのクラスまたは新しいクラスにマッピングするか、含めるチェックボックスをオフにして、そのクラスのラベルを除外してください。どちらを選んでも画像は貼り付けられます。

類似画像を生成#

既存の画像をもとに、新しいトレーニング画像を作成します。編集可能なデータセットで、GridまたはCompact表示の画像（またはTable表示で選択した1行）を右クリックし、Generate similar imagesを選択します。Platformは画像から着想を得た新しいシーンを提示し、それぞれのシーンにつき1枚の画像を生成します。そのため、生成結果は元画像をコピーせずに、元画像の被写体やスタイルを引き継ぎます。

Ultralytics Image 9BとKrea 2 Turboも一覧に表示されますが、早期アクセスを有効にした後にのみ選択できます。Krea 2 Turboは最も処理に時間がかかるオプションです。対応している場合、元画像の縦横比が維持されます。極端に細長い画像では、長辺を大きくする必要がある場合があります。出力サイズは丸められ、生成モデルがサポートするサイズに制限されます。

Generateをクリックするか、Instructionsで⌘/Ctrl+Enterを押します。生成が完了した画像から順に表示され、すべて選択済みになります。Stopをクリックすると実行中のバッチが停止しますが、すでに届いた画像は保持されます。別の指示や設定を試すには、それらを変更してGenerate moreをクリックします。新しいバッチは前のバッチの上に表示され、前のバッチの選択状態は維持されます。画像をクリックして全体表示し、不要な画像のチェックボックスをオフにしてから、Add N to datasetをクリックします。保持した画像は、ラベルなしで元画像の名前を付けたJPEGとしてアップロードされ、ストレージ容量に計上されます。アップロード後はアノテーションできます。画像は有効な分割フィルターに追加されます。trainに追加するには、生成前にTrainを選択してください。Allを選択すると、必要に応じたvalidation分割の自動設定を含め、通常のアップロード時の分割割り当てが適用されます。Cancelをクリックすると、画像を追加せずにプレビューを破棄します。生成された画像には、データセットのアップロード時の顔ぼかし設定が適用されます。この操作は接続済みデータセットでは利用できません。

顔をぼかす#

編集可能なデータセットでは、データ内の人物のプライバシー保護などを目的として、画像内の顔をぼかすことができます。顔ぼかしは、接続済みデータセットや画像チャンネルが3つを超えるデータセットでは利用できません。

• 1枚の画像: GridまたはCompact表示の画像（またはTable表示で選択した1行）、あるいはフルスクリーンビューアーのアノテーションを右クリックし、Blur facesを選択します。
• データセット全体: データセットページでMore actions（⋯）を開き、Blur facesを選択します。

ダイアログでは、まず最大6枚（または対象の1枚）の画像で、検出された顔を変更せずにプレビューします。Confidence（デフォルトは0.25）とBox scale（0.5～1.5、デフォルトは1。各顔ボックスを中心を基準に拡大縮小します）を調整してプレビューを再実行し、Applyをクリックすると、顔が検出されたすべての画像の元のピクセルが置き換えられます。顔が検出されなかった画像は変更されず、ラベルと分割は維持されますが、検出されない顔がある場合もあるため、結果を確認してください。ぼかし処理によってバージョンスナップショットが自動作成されることはありません。データセット全体のぼかし処理の料金は処理画像1,000枚あたり1.00ドルで、1回あたり最低0.01ドルです（Auto-Annotationとして請求されます）。適用前に料金の見積もりがダイアログに表示されます。プレビューと1枚の画像へのぼかし処理は無料です。

アップロード時に画像の顔をぼかすには、UploadまたはURLからデータセットを作成するときにBlur facesをオンにするか、データセット全体のBlur facesダイアログでBlur future uploadsをオンにします。Blur future uploadsの切り替えは、Applyをクリックせずにダイアログを閉じた場合も、すぐに保存されます。その後データセットにアップロードした画像は、処理中に無料でぼかされます。この設定を変更しても、データセットにすでにある画像はぼかされません。

データセットURI#

ul:// URI形式を使用してPlatform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に書き換えられます。データセットのリストを渡すと、1つのベースモデルを各データセットで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"])。

どこからでもモデルをトレーニングするには、このURIを使用してください:

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では、データセットに次のライセンスを設定できます:

公開範囲の設定#

データセットを閲覧できるユーザーを設定します:

公開範囲は、New Datasetダイアログでトグルスイッチを使ってデータセットを作成するときに設定します。後から変更するには、ページのパンくずリストにあるデータセット名の横の公開または非公開バッジをクリックします。データセットを公開する際には確認が求められます。オンプレミスデータセットは常に非公開です。公開データセットは探索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できます。ダイアログを開く必要はありません:

• 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文字以内です。
• 説明: 説明（または「説明を追加...」というプレースホルダー）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文字以内です。
• 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すると、独自の画像をアップロードする、データセット内の画像をアイコンに設定する、または文字と色を選択できます。

カスタムメタデータ#

その他のアクションを開き、情報を選択すると、次の2つのセクションを確認できます:

• Ultralyticsメタデータ: 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、読み取り専用のPlatform情報
• カスタムメタデータ: 来歴、撮影条件、顧客ID、ガバナンス、その他のコンテキスト情報を記録する独自の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確認できます。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文字以内で、各トップレベルキーは128文字以内です。空のオブジェクト（{}）を保存すると、カスタムメタデータが消去されます。

データセットのクローン#

自分が所有していない公開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。コピー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。公開元データセットは、デフォルトの公開範囲が公開のワークスペースでは、デフォルトで公開のままになります。Enterpriseワークスペースで作成したクローンは、デフォルトで非公開になります。元のデータセットにコピーレフトライセンスが設定されている場合、クローンにはそのライセンスが引き継がれ、ライセンスセレクターはロックされます。

対象ワークスペースですでに使用されているURLの場合、クローンダイアログではデータセットをクローンが無効になります。また、クローンを作成するには、コピーを保存できるだけのストレージクォータが残っている必要があります。

スターと共有#

• スター: スターボタンをクリックすると、データセットをブックマークできます。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すると、リンクのコピー、埋め込みコードの取得、ソーシャルプラットフォームでの共有ができます。

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のその他のアクション（…ボタン）を開きます
2. データセットを削除を選択します
3. ダイアログで確認します: 「[name]はゴミ箱に移動されます。30日以内であれば復元できます。」

同じメニューには、カスタムメタデータで説明したメタデータダイアログを開く情報と、サーバーからデータセットを再読み込みする更新もあります。

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

詳しくはクラウドトレーニングをご覧ください。

よくある質問#