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。

データセットの処理が完了し、train 分割に少なくとも1枚の画像があり、val または test 分割のいずれかに少なくとも1枚の画像があり、かつラベル付き画像が少なくとも1枚ある場合、データセットはトレーニングの準備が整います。3つの条件すべてが満たされている場合はデータセットのヘッダーに Ready バッジが表示され、そうでない場合は Not Ready バッジが表示されます。バッジをクリックすると、どの条件が不足している正確に確認できます。

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十分ではありません。処理中にコーデックをデコードできない場合、動画の処理が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、深度データセット、Ultralytics NDJSON、およびロー（アノテーションなし）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提供されていない場合、Platform は高密度のプレースホルダー名（class0、class1、…）を生成します。これらは後から クラスタブで名前を変更できます。

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. データソースタブを選択します（以下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、編集可能です）。オプションで説明を追加することもできます
5. タスクタイプ（サポートされているタスクを参照）、オプションのライセンス（利用可能なライセンスを参照）、および公開範囲（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 または接続されたソースの場合は Create & Import、空の状態から始める場合は 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。

データソース#

New Dataset ダイアログには4つのソースが表示されます：

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、一般的な問題が即座に表面化します。アーカイブの破損、空の状態、パスワード保護、YAML の構文エラーがチェックされ、サイズ超過のファイルは名前でリストされます。

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、プラットフォームは自動的に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. 正規化: 大きな画像のリサイズ（最大 4096px、最小次元 28px）、グレースケールの RGB 拡張、白への透明度の平坦化、および EXIF の向きの適用
3. Thumbnails: 256px の WebP プレビューを生成
4. ラベルの解析: YOLO、COCO、および NDJSON ラベルの抽出
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
• 深度カーテン: 奥行きデータセットでは、ドラッグ可能な分割線により、RGB画像とそのカラー化された奥行きマップの間をワイプ表示できます

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 Computing embeddings と Clustering の2つの段階で実行され、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。パネルを閉じるか、ページを離れて後で戻ることができます。

可視化#

分析が完了すると、パネルには、凡例とポイントカウンターを備えた、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ー（分割、クラス、ラベル付き/ラベルなし）により、フィルター外のポイントが暗くなるため、関心のあるサブセットに集中できます。その後、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、またはプロットの左下にあるズームボタンを使用して、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（新しい画像が到着した、または分析されたカウントがデータセットと一致しなくなった場合）、パネルの上部に所有者と編集者向けの 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します：

• クラスヒストグラム: クラスあたりのアノテーション数を示す棒グラフ。頻度順にソートされ、線形/対数スケールの切り替えが可能です
• クラステーブル: インデックス、名前、アノテーション数、および画像数を含む、ソートおよび検索可能なテーブル
• 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。
• 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#

マージにより、重複または重なるラベルが統合されます。たとえば、car、automobile、および vehicle を1つのクラスに折りたたみます：

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、他のクラスがマージされるターゲットとするクラスを選択します
4. 確認する

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、データセットの総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. 確認する

クラスを削除すると、そのクラスおよびそのすべてのアノテーションが削除されます。分類データセットの場合、ラベルは削除されますが画像は残り、アノテーションなしの状態になります。

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:

チャートはこの順序で表示され、データセットにそのデータのデータがない場合、各チャートは省略されます。生画像データセットにはアノテーションチャートは表示されず、Points per Instance はセグメントおよびポーズデータにのみ表示されます：

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. New Version 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

各バージョンには順番に番号が付けられ（v1、v2、v3...）、不変です。バージョンを編集または削除することはできず、説明のみ変更可能です。行アクションを使用して、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#

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 Platform にインポートされるときに保持されます。画像のフルスクリーン情報パネルから検査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、Ingest Dataset Data API は対応する imageMetadata パス マップを受け付けます。

ポーズデータセットには、データセットヘッダー行に kpt_shape フィールドも含まれており、設定されていない場合はアノテーションから推論されます。

深度のエクスポートでは、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、ペアとなる通常の uint16 PNG 用の depth.url が含まれます。Ultralytics は画像と深度の URL を同時にダウンロードし、同じスケールを持つトレーニング用 YAML を書き込むため、NDJSON ファイルを model.train(data=...) に直接渡すことができます。

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

グリッドビューで分割フィルタータブに画像をドラッグ＆ドロップすることもできます。画像を移動すると、ターゲット分割にすでに存在する同一の画像と衝突する場合、Platform はスキップ、両方を保持、または置き換えるかどうかを尋ねます。

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 を選択するか、Cmd/Ctrl+Delete を押します
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。

• Name: 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。名前は100文字までに制限されています。
• Description: 説明（または「Add a description...」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文字までに制限されています。
• 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。
• Icon: データセットのアイコンをクリックして独自の画像をアップロードするか、データセット自身の画像の一つをアイコンに昇格させるか、文字と色を選択します。

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。

送信先のスラッグがすでに使用されている場合は自動的にリネームされ、クローン作成にはコピーを保持するために十分な残り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。スターの数はすべてのユーザーに表示されます。
• Share: 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、埋め込みスニペットを取得するか、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の 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: "This will move [name] to trash. You can restore it within 30 days."

同じメニューには Custom Metadata で説明されているメタデータダイアログを開く Information と、サーバーからデータセットを再読み込みする Refresh が含まれています。

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)#