Link to this section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。データセットは、処理が完了し、train スプリットに少なくとも1枚の画像、val または test スプリットのいずれかに少なくとも1枚の画像、少なくとも1枚のラベル付き画像、そして合計で少なくとも2枚の画像が含まれている場合に、トレーニング可能な状態になります。

Link to this section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。

Link to this sectionサポートされているフォーマット#

Link to this section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

タスク固有の形式の詳細については、supported tasks および Datasets Overview を参照してください。

Link to this section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（supported tasks 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）ライセンスを設定します（available licenses を参照）
6. Create & Upload をクリックします（空のデータセットを作成する場合は Create Dataset 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. 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. Label Parsing: YOLO および COCO 形式のラベルを抽出
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")

Link to this section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 Clustering パネルを開き、対話型の2D散布図としてデータセットを探索できます。

Link to this section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：

Link to this section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
• メタデータ: ファイル名、寸法、分割バッジ、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/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
• 編集: アノテーションモードに入り、ラベルを追加または変更
• 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
• ビューをリセット: 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

Link to this section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：

Link to this section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を近くに配置します。ギャラリーを離れることなく、クラスターの抽出、重複や外れ値の特定、およびデータ全体での分割やクラスの分布を検査するために使用してください。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。

Link to this section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。

Link to this section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。

Link to this section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、データポイントの塗りつぶし方法を変更します。ビューモードはいつでも切り替え可能です。プロットは即座に再着色されるため、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：

Link to this section投げ縄選択#

領域の周りをフリーハンドで選択し、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、通常の手順（画像操作）を使用して、それらの検査、ラベルの再設定、移動、または削除を行うことができます。

Link to this section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：

Link to this section再分析#

分析後にデータセットが変更された場合、所有者および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をクリックして、埋め込みと2D投影を最初から再計算します。

Link to this section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：

Link to this section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。

Link to this section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。

Link to this section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:

Link to this section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:

Link to this section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

Link to this section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. 必要に応じて、表から個別にバージョンをダウンロードできます

各バージョンは順番に番号が付けられ（v1, v2, v3...）、永続的に保存されます。バージョン表からいつでも以前のバージョンをダウンロードできます。

Link to this section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形式は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1枚につき1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", "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。

Link to this section画像操作#

Link to this section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。

Link to this section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（分割先に移動）を選択し、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。

Link to this section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。

ダイアログでは、ターゲットとなる分割比率を設定する3つの方法を提供しています。

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。

Link to this section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（削除）を選択します。
3. 削除を確認します。

Link to this section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（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します。

export ULTRALYTICS_API_KEY="YOUR_API_KEY"
yolo train model=yolo26n.pt data=ul://username/datasets/my-dataset epochs=100

Link to this section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。

Link to this section公開設定#

データセットの閲覧者を管理します。

公開設定は、New Dataset（新規データセット）ダイアログでトグルスイッチを使用してデータセットを作成する際に設定されます。パブリックデータセットはExploreページに表示されます。

Link to this section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（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。
• 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。

Link to this sectionデータセットをクローンする#

自身が所有していない公開データセットを表示している場合、Clone Datasetをクリックしてワークスペースにコピーを作成できます。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、クローンもそれを継承し、ライセンス選択機能はロックされます。

Link to this section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。

Link to this section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. データセットのアクションメニューを開く
2. Deleteをクリック
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."

Link to this section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
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] --> 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。

Link to this sectionよくある質問 (FAQ)#

Link to this section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

Link to this section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: 異なるユーザーによってアップロードされた同一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: 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

Link to this section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。

Link to this section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
3. ターゲットのスプリット（Train、Validation、またはTest）を選択

Link to this section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：

Link to this section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、6つのすべてのタスクタイプ（detect、segment、semantic、pose、OBB、classify）のアノテーションをまとめて保持します。データセットのアクティブなタスクタイプは、既存のアノテーションを失うことなくいつでも切り替え可能です。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。