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、統計情報を自動的に処理します。処理が完了し、train分割に少なくとも1枚、valまたはtest分割のいずれかに少なくとも1枚、ラベル付き画像が少なくとも1枚、かつ合計で少なくとも2枚の画像が含まれていれば、データセットはトレーニングに使用可能な状態になります。

データセットのアップロード

Ultralytics Platformは、柔軟性の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

データセットの準備

本プラットフォームは、Ultralytics YOLO、COCO、Ultralytics NDJSON、およびRAW（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

1. サイドバーのDatasetsに移動します
2. New Datasetをクリックするか、ファイルをアップロードゾーンにドラッグ＆ドロップします
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. 名前と任意の概要を追加します
5. 可視性（公開または非公開）と、必要に応じて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. Createをクリックします

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] --> B[Validate]
    B --> C[Normalize]
    C --> D[Thumbnail]
    D --> E[Parse Labels]
    E --> F[Statistics]

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

1. 検証：フォーマットおよびサイズのチェック
2. 正規化：大きな画像をリサイズ（最大4096px、最小次元28px）
3. サムネイル：256pxのWebPプレビューを生成
4. ラベル解析：YOLOおよびCOCO形式のラベルを抽出
5. 統計情報：クラス分布と画像次元を計算

from ultralytics.data.utils import check_det_dataset

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

画像の参照

データセット内の画像は複数のレイアウトで表示できます。

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できます。

ソートとフィルタリング

画像をソート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、以下の機能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ブラウズ
• メタデータ: ファイル名、寸法、スプリットバッジ、アノテーション数
• 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
• 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
• 編集: アノテーションモードに入り、ラベルを追加または修正
• ダウンロード: オリジナル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、Cmd/Ctrl+-でズームアウト
• ビューのリセット: Cmd/Ctrl + 0 またはリセットボタンで画像をビューアに合わせる
• パン: Spaceキーを押しながらドラッグして、ズーム時にキャンバスをパン
• ピクセルビュー: 詳細な検査のためにピクセル化されたレンダリングを切り替え

スプリットによるフィルタリング

データセットのスプリットで画像をフィルタリングします：

クラスタリング

Clustering（クラスタリング）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、視覚的に似た画像を近くに配置します。これを利用して、クラスターの抽出、重複や外れ値の特定、スプリットやクラスがデータ全体にどのように分布しているかを、ギャラリーを離れることなく調査できます。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くことができます。

解析の実行

解析を開始する：

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
2. Analyze Datasetをクリック
3. プログレスバーが終了するまで待機 — 結果は同じパネルに表示されます

解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てきたりしても問題ありません。

可視化

解析が完了すると、パネルには解析されたすべての画像の2D散布図が表示されます。ギャラリーフィルタ（スプリット、クラス、ラベル済み/未ラベル）を使用すると、フィルタ外のポイントが薄く表示されるため、必要なサブセットに集中できます。

色分けの基準

パネルツールバーの Color by（色分け基準）ドロップダウンを使用して、データポイントの着色方法を変更します。ビューモードはいつでも切り替えることができ、プロットは即座に再着色されるため、スプリット、クラス、または画像のプロパティがクラスター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

領域を囲むようにフリーフォーム選択を描画して、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フィルタリングされるため、通常通りの画像操作を使用して、それらの検査、再ラベル付け、移動、または削除が可能です。

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します：

再解析

解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ーのパネル上部に Re-analyze（再解析）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できます。

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表示する棒グラフ（線形/対数スケールの切り替え可能）
• クラステーブル: クラス名、ラベル数、画像数で並べ替えと検索が可能なテーブル
• クラス名の編集: クラス名をクリックしてインラインで名前を変更
• クラスカラーの編集: カラー見本をクリックしてクラスの色を変更
• 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

Charts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。

データセットから自動計算された統計情報:

Modelsタブ

このデータセットで学習された全モデルを検索可能なテーブルで表示します:

Errors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、以下と共にここにリストされます:

• エラーバナー: 失敗した画像の合計数とガイダンス
• エラーテーブル: 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、および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

Versionsタブ

再現可能な学習のために、データセットのイミュータブル（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、作成時点の画像数、クラス数、アノテーション数、ファイルサイズを保持します。

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: "500枚の学習画像を追加" や "ラベルミスのあるクラスを修正" など）
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
5. 必要に応じて、テーブルから個別にバージョンをダウンロードします

各バージョンは順番に番号が振られ (v1, v2, v3...) 、永続的に保存されます。versionsテーブルからいつでも過去のバージョンをダウンロードできます。

データセットのエクスポート

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Versions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のExportボタ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イミュータブル（不変）な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形式は1行に1つのJSONオブジェクトを格納します。1行目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行が続きます:

{"type": "dataset", "task": "detect", "name": "my-dataset", "description": "...", "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", "annotations": {"boxes": [[0, 0.5, 0.5, 0.2, 0.3]]}}
{"type": "image", "file": "img002.jpg", "url": "https://...", "width": 1280, "height": 720, "split": "val"}

完全な仕様については、Ultralytics NDJSON format documentation 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ビューで画像を右クリックして、クイックアクションにアクセスします:

分割への一括移動

選択した画像を同じデータセット内の別の分割に再割り当てします:

1. 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。

分割の再配分

カスタム比率を使用して、すべての画像をトレーニング、バリデーション、テストの分割に再配分します:

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パーセンテージを調整します
3. ライブ画像カウント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、指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割り当てられるかを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形式を使用してプラットフォームデータセットを参照します（「Using Platform Datasets」を参照）:

このURIを使用して、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

プラットフォームは、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:

表示設定

データセットの閲覧権限を制御します:

表示設定は、New Datasetダイアログでトグルスイッチを使用して作成時に設定されます。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できます。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。変更はフォーカスを外すかEnterキーを押すと自動保存されます。
• 説明: 説明（または「Add a description...」のプレースホルダー）をクリックして編集します。変更は自動保存されます。
• 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。

データセットのクローン

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をクリックしてワークスペースにコピーを作成します。クローンにはすべての画像、アノテーション、クラス定義が含まれます。元のデータセットがコピーレフトライセンスである場合、クローンはそれを継承し、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で共有します。

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. データセットのアクションメニューを開きます
2. Deleteをクリックします
3. ダイアログで確定します: "This will move [name] to trash. You can restore it within 30 days."

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、新しく作成します
3. トレーニングパラメータを設定します
4. トレーニングを開始します

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

    style A fill:#2196F3,color:#fff
    style E fill:#4CAF50,color:#fff

詳細はCloud Trainingを参照してください。

FAQ

アップロード後のデータはどうなりますか？

データは選択したリージョン（US、EU、またはAP）で処理および保存されます。画像は以下の通り扱われます：

1. フォーマットとサイズが検証されます
2. 最小寸法が28px未満の場合は拒否されます
3. 4096pxを超える場合は正規化されます（アスペクト比を維持し、ストレージ最適化のためにエンコードされます）
4. XXH3-128ハッシュを使用したコンテンツアドレス可能ストレージ（CAS）で保存されます
5. 高速なブラウジングのために256pxのWebP形式でサムネイルが生成されます

ストレージの仕組みは？

Ultralytics Platformでは、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: 異なるユーザーがアップロードした同一の画像は一度だけ保存されます
• 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: ストレージコストを削減し、処理を高速化します
• リージョン: データは選択したリージョン（US、EU、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、ファイルをデータセットページにドラッグ＆ドロップするか、アップロードボタンを使用して画像を追加できます。新しい統計データは自動的に計算されます。

分割（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？

一括移動機能を使用します：

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）を選択します

サポートされているラベルフォーマットは何ですか？

Ultralytics Platformは、YOLOラベル、COCO JSON、Ultralytics NDJSON、およびRAW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。各画像は5つのタスクタイプ（検出、セグメンテーション、ポーズ、OBB、分類）すべてのアノテーションをまとめて保存します。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、切り替えると再び表示されます。