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管理するための合理化されたソリューションを提供します。アップロードされたデータセットは、自動処理と統計生成により、すぐにモデルトレーニングに使用できます。

データセットのアップロード

Ultralytics 柔軟性を考慮し、複数のアップロード形式に対応しています。

対応フォーマット

データセットの準備

プラットフォームは2種類の注釈フォーマットと生のアップロードをサポートしています： Ultralytics YOLO, COCO、および生の（アノテーションなしの画像）：

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

my-coco-dataset/
├── train/
│   ├── _annotations.coco.json
│   ├── img001.jpg
│   └── img002.jpg
└── val/
    ├── _annotations.coco.json
    ├── img003.jpg
    └── img004.jpg

{
    "images": [{ "id": 1, "file_name": "img001.jpg", "width": 640, "height": 480 }],
    "annotations": [{ "id": 1, "image_id": 1, "category_id": 0, "bbox": [100, 50, 200, 300] }],
    "categories": [{ "id": 0, "name": "person" }]
}

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と 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. 移動先 Datasets サイドバーに
2. クリック New Dataset またはファイルをアップロードゾーンにドラッグしてください
3. タスクの種類を選択してください（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. 公開設定（公開または非公開）とオプションのライセンス（利用可能なライセンスを参照）を設定する
6. クリック Create

アップロード後、プラットフォームはデータを多段階のパイプラインで処理します：

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：形式とサイズのチェック
2. 正規化：大きな画像をリサイズ（最大4096px、最小辺28px）
3. サムネイル：256px WebPプレビューが生成されました
4. ラベル解析: YOLO およびCOCO ラベルを抽出
5. 統計情報：クラス分布と画像サイズを計算済み

from ultralytics.hub import check_dataset

check_dataset("path/to/dataset.zip", task="detect")

画像を閲覧

複数のレイアウトでデータセット画像を閲覧します。

並べ替えとフィルタリング

画像は効率的な閲覧のために並べ替えやフィルタリングが可能です：

フルスクリーンビューア

任意の画像をクリックすると、以下の機能を持つ全画面ビューアが開きます。

• 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閲覧
• メタデータ：ファイル名、寸法、分割バッジ、注釈数
• 注釈: 注釈オーバーレイの表示/非表示を切り替える
• クラス別内訳：クラスごとのラベル数と色分け表示
• 編集：注釈モードに入ると、ラベルを追加または変更できます
• ダウンロード: 元の画像ファイルをダウンロードする
• 削除: データセットから画像を削除する
• ズーム: Cmd/Ctrl+Scroll 拡大/縮小する
• ピクセル表示：拡大表示時のピクセル化されたレンダリングを切り替え

スプリットでフィルタ

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。

データセットタブ

各データセットページには、タブバーからアクセスできる5つのタブがあります：

画像タブ

デフォルト表示では、注釈オーバーレイ付きのイメージギャラリーが表示されます。グリッド表示、コンパクト表示、テーブル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

データセットの注釈クラスを管理する：

• クラスヒストグラム：各クラスごとのアノテーション数を示す棒グラフ（線形/対数スケールの切り替え機能付き）
• クラス表：クラス名、ラベル数、画像数を表示するソート可能・検索可能な表
• クラス名の編集：任意の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
• クラスカラーの編集：色見本をタップしてクラスカラーを変更します
• 新しいクラスを追加: 下部の入力欄を使用してクラスを追加してください

チャートタブ

データセットから自動計算された統計情報：

モデルタブ

このデータセットで学習した全モデルを検索可能な表で表示:

エラータブ

処理に失敗した画像は以下に一覧表示されます：

• エラーバナー：失敗した画像とガイダンスの合計数
• 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、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、非対応の形式、画像が小さすぎる（最小28px）、および非対応の色モードが含まれます

データセットのエクスポート

オフライン利用のためにデータセットをNDJSON形式でエクスポートします：

1. データセットヘッダーのダウンロードアイコンをクリックしてください
2. NDJSONファイルは自動的にダウンロードされます

NDJSON形式では、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1画像につき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"}

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

一括操作

テーブルビューのコンテキストメニューを使用して画像を一括管理します：

スプリットへ移動

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. テーブル表示に切り替える
2. チェックボックスを使用して画像を選択する
3. 右クリックでコンテキストメニューを開く
4. 選択する Move to split > トレーニング, 検証、または テスト

グリッド表示では、画像を分割フィルタータブにドラッグ＆ドロップすることもできます。

一括削除

複数の画像を一度に削除する：

1. テーブルビューで画像を選択する
2. 右クリックして選択する Delete
3. 削除を確認

データセットURI

Platformデータセットを参照するには、以下を使用します。 ul:// URI形式（参照 プラットフォームデータセットの使用）：

ul://username/datasets/dataset-slug

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

from ultralytics import YOLO

model = YOLO("yolo26n.pt")
model.train(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ます：

表示設定

データセットの表示権限を制御します:

可視性は、データセットを作成する際に設定されます。 New Dataset トグルスイッチを使用したダイアログ。公開データセットは 探索する ページ。

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すると編集できます。変更内容はフォーカスを外すと自動保存されます。 Enter.
• 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。
• タスクの種類: タスクバッジをクリックして別のタスクの種類を選択してください。
• ライセンス: ライセンス選択ツール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。

データセットをクローンする

公開データセットを閲覧する際、ご自身が所有していないデータセットについては、クリックしてください。 Clone Dataset 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、注釈、および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を適用している場合、クローンもこれを継承し、ライセンス選択機能はロックされます。

スターとシェア

• 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で共有してください。

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. データセットアクションメニューを開きます
2. クリック Delete
3. ダイアログで確認してください：「これにより[名前]がごみ箱に移動されます。30日以内に復元できます。」

データセットで学習

データセットから直接トレーニングを開始します:

1. クリック New Model データセットページ上で
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

アップロード後、私のデータはどうなりますか？

データは選択された地域（米国、EU、またはAP）で処理および保存されます。画像は次のとおりです。

1. 形式とサイズが検証済み。
2. 最小寸法が28px未満の場合、拒否されます
3. 4096pxを超える場合は正規化（アスペクト比を維持；最適化された保存用にエンコード）
4. XXH3-128ハッシュを用いたコンテンツアドレス可能ストレージ（CAS）を使用して保存
5. 高速閲覧のため256px WebP形式で生成されたサムネイル

ストレージはどのように機能しますか？

Ultralytics Platformは、効率的なストレージのためにコンテンツアドレス指定ストレージ（CAS）を使用します。

• 重複排除: 異なるユーザーによってアップロードされた同一の画像は一度だけ保存されます。
• 完全性：XXH3-128ハッシュによりデータの完全性が保証されます
• 効率性: ストレージコストを削減し、処理を高速化します。
• 地域性: データは選択した地域（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追加の画像を追加してください。新しい統計は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？

一括移動・分割機能を使用する：

1. テーブルビューで画像を選択する
2. 右クリックして選択する Move to split
3. 対象の分割（トレーニング、検証、テスト）を選択してください

どのようなラベル形式がサポートされていますか？

Ultralytics アップロード用に2つのアノテーション形式をサポートしています：

📅 1ヶ月前に作成 ✏️ 5日前に更新

コメント