Ultralytics Explorer API

커뮤니티 안내 ⚠️

ultralytics>=8.3.12부터 Ultralytics Explorer가 제거되었습니다. Explorer를 사용하려면 pip install ultralytics==8.3.11을 설치하세요. 이와 유사하고 기능이 확장된 데이터셋 탐색 기능은 Ultralytics Platform에서 사용할 수 있습니다.

소개#

Explorer API는 데이터셋을 탐색하기 위한 Python API입니다. SQL 쿼리, 벡터 유사도 검색 및 시맨틱 검색을 사용해 데이터셋을 필터링하고 검색할 수 있습니다.



시청: Ultralytics Explorer API 개요

설치#

Explorer는 일부 기능에 외부 라이브러리를 사용합니다. Explorer를 사용하면 이러한 라이브러리가 자동으로 설치됩니다. 이 종속성을 수동으로 설치하려면 다음 명령을 사용합니다:

pip install "ultralytics[explorer]==8.3.11"

사용법#

from ultralytics import Explorer

# Explorer 객체 생성
explorer = Explorer(data="coco128.yaml", model="yolo11n.pt")

# 데이터셋 임베딩 생성
explorer.create_embeddings_table()

# 지정한 이미지와 유사한 이미지 검색
df = explorer.get_similar(img="path/to/image.jpg")

# 또는 지정한 인덱스와 유사한 이미지 검색
df = explorer.get_similar(idx=0)
참고

특정 데이터셋과 모델 쌍에 대한 임베딩 테이블은 한 번만 생성되며 재사용됩니다. 내부적으로 LanceDB를 사용하며, 데이터를 디스크에 저장하므로 메모리가 부족해지지 않고 COCO와 같은 대규모 데이터셋의 임베딩을 생성하고 재사용할 수 있습니다.

임베딩 테이블을 강제로 업데이트하려면 create_embeddings_table 메서드에 force=True을 전달하세요.

고급 분석을 수행하기 위해 LanceDB 테이블 객체에 직접 액세스할 수 있습니다. 자세한 내용은 임베딩 테이블 작업 섹션을 참조하세요.

벡터 검색이라고도 하는 유사도 검색은 주어진 이미지와 유사한 이미지를 찾는 기법입니다. 유사한 이미지에는 유사한 임베딩이 있다는 아이디어를 기반으로 합니다. 임베딩 테이블을 생성한 후에는 다음 방법 중 하나로 유사도 검색을 실행할 수 있습니다:

  • 데이터셋의 지정된 인덱스 또는 인덱스 목록에서: exp.get_similar(idx=[1,10], limit=10)
  • 데이터셋에 없는 이미지 또는 이미지 목록에서: exp.get_similar(img=["path/to/img1", "path/to/img2"], limit=10)

입력이 여러 개인 경우 입력 임베딩의 집계값이 사용됩니다.

입력과 가장 유사한 데이터 포인트 중 limit개와 임베딩 공간에서의 거리를 포함하는 pandas DataFrame이 반환됩니다. 이 데이터셋을 사용해 추가 필터링을 수행할 수 있습니다.

의미 검색
from ultralytics import Explorer

# Explorer 객체 생성
exp = Explorer(data="coco128.yaml", model="yolo11n.pt")
exp.create_embeddings_table()

similar = exp.get_similar(img="https://ultralytics.com/images/bus.jpg", limit=10)
print(similar.head())

# 여러 이미지를 사용해 검색
similar = exp.get_similar(
    img=["https://ultralytics.com/images/bus.jpg", "https://ultralytics.com/images/bus.jpg"],
    limit=10,
)
print(similar.head())

유사 이미지 시각화#

plot_similar 메서드를 사용해 유사 이미지를 시각화할 수도 있습니다. 이 메서드는 get_similar과 동일한 인수를 받으며 유사 이미지를 그리드로 표시합니다.

유사 이미지 시각화
from ultralytics import Explorer

# Explorer 객체 생성
exp = Explorer(data="coco128.yaml", model="yolo11n.pt")
exp.create_embeddings_table()

plt = exp.plot_similar(img="https://ultralytics.com/images/bus.jpg", limit=10)
plt.show()

2. Ask AI(자연어 쿼리)#

이 기능을 사용하면 SQL을 작성하지 않고 자연어로 데이터셋을 필터링할 수 있습니다. AI 기반 쿼리 생성기는 프롬프트를 쿼리로 변환하고 일치하는 결과를 반환합니다. 예를 들어 "사람 한 명과 개 두 마리가 정확히 포함된 이미지 100개를 보여 줘. 다른 객체가 있어도 됩니다"라고 요청하면 쿼리를 생성하고 해당 결과를 표시합니다. 참고: 이 기능은 LLMs를 사용하므로 결과는 확률적이며 부정확할 수 있습니다.

Ask AI
from ultralytics.data.explorer import plot_query_result

from ultralytics import Explorer

# Explorer 객체 생성
exp = Explorer(data="coco128.yaml", model="yolo11n.pt")
exp.create_embeddings_table()

df = exp.ask_ai("show me 100 images with exactly one person and 2 dogs. There can be other objects too")
print(df.head())

# 결과 시각화
plt = plot_query_result(df)
plt.show()

3. SQL 쿼리#

sql_query 메서드를 사용해 데이터셋에 SQL 쿼리를 실행할 수 있습니다. 이 메서드는 SQL 쿼리를 입력으로 받아 결과가 포함된 pandas DataFrame을 반환합니다.

SQL 쿼리
from ultralytics import Explorer

# Explorer 객체 생성
exp = Explorer(data="coco128.yaml", model="yolo11n.pt")
exp.create_embeddings_table()

df = exp.sql_query("WHERE labels LIKE '%person%' AND labels LIKE '%dog%'")
print(df.head())

SQL 쿼리 결과 시각화#

plot_sql_query 메서드를 사용해 SQL 쿼리 결과를 시각화할 수도 있습니다. 이 메서드는 sql_query과 동일한 인수를 받으며 결과를 그리드로 표시합니다.

SQL 쿼리 결과 시각화
from ultralytics import Explorer

# Explorer 객체 생성
exp = Explorer(data="coco128.yaml", model="yolo11n.pt")
exp.create_embeddings_table()

# SQL 쿼리 시각화
exp.plot_sql_query("WHERE labels LIKE '%person%' AND labels LIKE '%dog%' LIMIT 10")

4. 임베딩 테이블 작업#

임베딩 테이블을 직접 사용할 수도 있습니다. 임베딩 테이블을 생성한 후 Explorer.table을 사용해 테이블에 액세스할 수 있습니다.

팁

Explorer는 내부적으로 LanceDB 테이블을 사용합니다. Explorer.table 객체를 사용해 이 테이블에 직접 액세스하여 원시 쿼리를 실행하고 사전 필터 및 사후 필터를 푸시다운하는 등의 작업을 수행할 수 있습니다.

from ultralytics import Explorer

exp = Explorer()
exp.create_embeddings_table()
table = exp.table

테이블을 사용해 수행할 수 있는 작업의 예시는 다음과 같습니다:

원시 임베딩 가져오기#

예제
from ultralytics import Explorer

exp = Explorer()
exp.create_embeddings_table()
table = exp.table

embeddings = table.to_pandas()["vector"]
print(embeddings)

사전 필터 및 사후 필터를 사용한 고급 쿼리#

예제
from ultralytics import Explorer

exp = Explorer(model="yolo11n.pt")
exp.create_embeddings_table()
table = exp.table

# 더미 임베딩
embedding = [i for i in range(256)]
rs = table.search(embedding).metric("cosine").where("").limit(10)

벡터 인덱스 생성#

대규모 데이터셋을 사용할 때는 더 빠른 쿼리를 위해 전용 벡터 인덱스를 생성할 수도 있습니다. 이는 LanceDB 테이블에서 create_index 메서드를 사용해 수행합니다.

table.create_index(num_partitions=..., num_sub_vectors=...)

5. 임베딩 활용#

임베딩 테이블을 사용해 다양한 탐색 분석을 수행할 수 있습니다. 몇 가지 예시는 다음과 같습니다:

유사도 인덱스#

Explorer에는 similarity_index 작업이 포함되어 있습니다:

  • 이 작업은 각 데이터 포인트가 나머지 데이터셋과 얼마나 유사한지 추정합니다.
  • 생성된 임베딩 공간에서 현재 이미지보다 max_dist만큼 가까운 이미지 임베딩의 개수를 계산하며, 한 번에 top_k개의 유사 이미지를 고려합니다.

다음 열을 포함하는 pandas DataFrame을 반환합니다:

  • idx: 데이터셋에서 이미지의 인덱스
  • im_file: 이미지 파일 경로
  • count: 현재 이미지보다 max_dist만큼 가까운 데이터셋 이미지의 개수
  • sim_im_files: count개의 유사 이미지 경로 목록
팁

주어진 데이터셋, 모델, max_dist 및 top_k에 대해 유사도 인덱스가 생성되면 재사용됩니다. 데이터셋이 변경되었거나 유사도 인덱스를 다시 생성해야 하는 경우 force=True를 전달하세요.

유사도 인덱스
from ultralytics import Explorer

exp = Explorer()
exp.create_embeddings_table()

sim_idx = exp.similarity_index()

유사도 인덱스를 사용해 데이터셋을 필터링하는 사용자 지정 조건을 만들 수 있습니다. 예를 들어 다음 코드는 데이터셋에 유사 이미지가 30개보다 많은 이미지를 나열하며, 이러한 이미지는 근접 중복 제거에 적합한 후보입니다:

import numpy as np

sim_count = np.array(sim_idx["count"])
sim_idx["im_file"][sim_count > 30]

임베딩 공간 시각화#

원하는 플로팅 도구를 사용해 임베딩 공간을 시각화할 수도 있습니다. 다음은 PCA로 임베딩 차원을 축소하고 Matplotlib으로 표시하는 간단한 예제입니다:

import matplotlib.pyplot as plt
from sklearn.decomposition import PCA

# 3D 시각화를 위해 PCA를 사용해 차원을 3개 구성 요소로 축소
pca = PCA(n_components=3)
reduced_data = pca.fit_transform(embeddings)

# Matplotlib Axes3D를 사용해 3D 산점도 생성
fig = plt.figure(figsize=(8, 6))
ax = fig.add_subplot(111, projection="3d")

# 산점도
ax.scatter(reduced_data[:, 0], reduced_data[:, 1], reduced_data[:, 2], alpha=0.5)
ax.set_title("3D Scatter Plot of Reduced 256-Dimensional Data (PCA)")
ax.set_xlabel("Component 1")
ax.set_ylabel("Component 2")
ax.set_zlabel("Component 3")

plt.show()

Explorer API를 사용해 나만의 컴퓨터 비전 데이터셋 탐색 보고서를 만들어 보세요. 아이디어를 얻으려면 VOC 탐색 예제를 확인하세요.

Ultralytics Explorer를 사용해 만든 앱#

Explorer GUI는 Explorer API를 기반으로 구축되었습니다.

자주 묻는 질문#

  • Ultralytics Explorer API는 데이터셋 탐색을 위해 설계되었습니다. SQL 쿼리, 벡터 유사도 검색 및 시맨틱 검색을 사용해 데이터셋을 필터링하고 검색할 수 있으며, Ultralytics 모델을 사용하는 컴퓨터 비전 작업의 대규모 데이터셋으로 확장할 수 있습니다.

  • Ultralytics Explorer API와 종속 항목을 설치하려면 다음 명령어를 사용하세요:

    pip install "ultralytics[explorer]==8.3.11"

    이 명령어는 Explorer API 기능에 필요한 모든 외부 라이브러리를 자동으로 설치합니다. 추가 설정 세부 정보는 문서의 설치 섹션을 참조하세요.

  • Ultralytics Explorer API를 사용하여 임베딩 테이블을 만들고 유사한 이미지를 쿼리하면 유사도 검색을 수행할 수 있습니다. 기본 예시는 다음과 같습니다:

    from ultralytics import Explorer
    
    # Explorer 객체 생성
    explorer = Explorer(data="coco128.yaml", model="yolo11n.pt")
    explorer.create_embeddings_table()
    
    # 주어진 이미지와 유사한 이미지 검색
    similar_images_df = explorer.get_similar(img="path/to/image.jpg")
    print(similar_images_df.head())

    자세한 내용은 유사도 검색 섹션을 참조하세요.

  • Ultralytics Explorer의 내부 엔진으로 사용되는 LanceDB는 확장 가능한 디스크 기반 임베딩 테이블을 제공합니다. 따라서 메모리가 부족해지지 않고 COCO와 같은 대규모 데이터셋의 임베딩을 생성하고 재사용할 수 있습니다. 이러한 테이블은 한 번만 생성하면 재사용할 수 있어 데이터 처리 효율성이 향상됩니다.

  • Ask AI 기능을 사용하면 자연어 쿼리로 데이터셋을 필터링할 수 있습니다. 이 기능은 LLM을 활용해 내부적으로 해당 쿼리를 SQL 쿼리로 변환합니다. 예시는 다음과 같습니다:

    from ultralytics import Explorer
    
    # Explorer 객체 생성
    explorer = Explorer(data="coco128.yaml", model="yolo11n.pt")
    explorer.create_embeddings_table()
    
    # 자연어로 쿼리
    query_result = explorer.ask_ai("show me 100 images with exactly one person and 2 dogs. There can be other objects too")
    print(query_result.head())

    더 많은 예시는 Ask AI 섹션을 참조하세요.

댓글2

질문을 하거나 결과를 공유하거나 다른 사람을 도와주세요.

  1. Jie Liu

    I have downloaded ultralytics-8.3.118 github zip package and install it with pip install -e .. Then I use pip install ultralytics[explorer] to install explorer, but I got a error as followed

    Requirement already satisfied: ultralytics[explorer] in /data/miniconda3/envs/app/lib/python3.10/site-packages (8.3.118)
    WARNING: ultralytics 8.3.118 does not provide the extra 'explorer'
    Requirement already satisfied: numpy<=2.1.1,>=1.23.0 in /data/miniconda3/envs/app/lib/python3.10/site-packages (from ultralytics[explorer]) (1.26.4)
    Requirement already satisfied: matplotlib>=3.3.0 in /data/miniconda3/envs/app/lib/python3.10/site-packages (from ultralytics[explorer]) (3.10.1)
    Requirement already satisfied: opencv-python>=4.6.0 in /data/miniconda3/envs/app/lib/python3.10/site-packages (from ultralytics[explorer]) (4.11.0.86)
    Requirement already satisfied: pillow>=7.1.2 in /data/miniconda3/envs/app/lib/python3.10/site-packages (from ultralytics[explorer]) (11.2.1)
    Requirement already satisfied: pyyaml>=5.3.1 in /data/miniconda3/envs/app/lib/python3.10/site-packages (from ultralytics[explorer]) (6.0.2)
    Requirement already satisfied: requests>=2.23.0 in /data/miniconda3/envs/app/lib/python3.10/site-packages (from ultralytics[explorer]) (2.32.3)
    Requirement already satisfied: scipy>=1.4.1 in /data/miniconda3/envs/app/lib/python3.10/site-packages (from ultralytics[explorer]) (1.15.2)
    Requirement already satisfied: torch>=1.8.0 in /data/miniconda3/envs/app/lib/python3.10/site-packages (from ultralytics[explorer]) (2.3.1)
    Requirement already satisfied: torchvision>=0.9.0 in /data/miniconda3/envs/app/lib/python3.10/site-packages (from ultralytics[explorer]) (0.18.1)
    Requirement already satisfied: tqdm>=4.64.0 in /data/miniconda3/envs/app/lib/python3.10/site-packages (from ultralytics[explorer]) (4.67.1)
    Requirement already satisfied: psutil in /data/miniconda3/envs/app/lib/python3.10/site-packages (from ultralytics[explorer]) (7.0.0)
    Requirement already satisfied: py-cpuinfo in /data/miniconda3/envs/app/lib/python3.10/site-packages (from ultralytics[explorer]) (9.0.0)
    Requirement already satisfied: pandas>=1.1.4 in /data/miniconda3/envs/app/lib/python3.10/site-packages (from ultralytics[explorer]) (2.2.3)
    Requirement already satisfied: seaborn>=0.11.0 in /data/miniconda3/envs/app/lib/python3.10/site-packages (from ultralytics[explorer]) (0.13.2)
    Requirement already satisfied: ultralytics-thop>=2.0.0 in /data/miniconda3/envs/app/lib/python3.10/site-packages (from ultralytics[explorer]) (2.0.14)
    Requirement already satisfied: contourpy>=1.0.1 in /data/miniconda3/envs/app/lib/python3.10/site-packages (from matplotlib>=3.3.0->ultralytics[explorer]) (1.3.2)
    Requirement already satisfied: cycler>=0.10 in /data/miniconda3/envs/app/lib/python3.10/site-packages (from matplotlib>=3.3.0->ultralytics[explorer]) (0.12.1)
    Requirement already satisfied: fonttools>=4.22.0 in /data/miniconda3/envs/app/lib/python3.10/site-packages (from matplotlib>=3.3.0->ultralytics[explorer]) (4.57.0)
    Requirement already satisfied: kiwisolver>=1.3.1 in /data/miniconda3/envs/app/lib/python3.10/site-packages (from matplotlib>=3.3.0->ultralytics[explorer]) (1.4.8)
    Requirement already satisfied: packaging>=20.0 in /data/miniconda3/envs/app/lib/python3.10/site-packages (from matplotlib>=3.3.0->ultralytics[explorer]) (24.2)
    Requirement already satisfied: pyparsing>=2.3.1 in /data/miniconda3/envs/app/lib/python3.10/site-packages (from matplotlib>=3.3.0->ultralytics[explorer]) (3.2.3)
    Requirement already satisfied: python-dateutil>=2.7 in /data/miniconda3/envs/app/lib/python3.10/site-packages (from matplotlib>=3.3.0->ultralytics[explorer]) (2.9.0.post0)
    Requirement already satisfied: pytz>=2020.1 in /data/miniconda3/envs/app/lib/python3.10/site-packages (from pandas>=1.1.4->ultralytics[explorer]) (2022.7.1)
    Requirement already satisfied: tzdata>=2022.7 in /data/miniconda3/envs/app/lib/python3.10/site-packages (from pandas>=1.1.4->ultralytics[explorer]) (2025.2)
    Requirement already satisfied: charset-normalizer<4,>=2 in /data/miniconda3/envs/app/lib/python3.10/site-packages (from requests>=2.23.0->ultralytics[explorer]) (3.4.1)
    Requirement already satisfied: idna<4,>=2.5 in /data/miniconda3/envs/app/lib/python3.10/site-packages (from requests>=2.23.0->ultralytics[explorer]) (3.10)
    Requirement already satisfied: urllib3<3,>=1.21.1 in /data/miniconda3/envs/app/lib/python3.10/site-packages (from requests>=2.23.0->ultralytics[explorer]) (1.26.20)
    Requirement already satisfied: certifi>=2017.4.17 in /data/miniconda3/envs/app/lib/python3.10/site-packages (from requests>=2.23.0->ultralytics[explorer]) (2025.4.26)
    Requirement already satisfied: filelock in /data/miniconda3/envs/app/lib/python3.10/site-packages (from torch>=1.8.0->ultralytics[explorer]) (3.18.0)
    Requirement already satisfied: typing-extensions>=4.8.0 in /data/miniconda3/envs/app/lib/python3.10/site-packages (from torch>=1.8.0->ultralytics[explorer]) (4.13.2)
    Requirement already satisfied: sympy in /data/miniconda3/envs/app/lib/python3.10/site-packages (from torch>=1.8.0->ultralytics[explorer]) (1.13.3)
    Requirement already satisfied: networkx in /data/miniconda3/envs/app/lib/python3.10/site-packages (from torch>=1.8.0->ultralytics[explorer]) (3.4.2)
    Requirement already satisfied: jinja2 in /data/miniconda3/envs/app/lib/python3.10/site-packages (from torch>=1.8.0->ultralytics[explorer]) (3.1.6)
    Requirement already satisfied: fsspec in /data/miniconda3/envs/app/lib/python3.10/site-packages (from torch>=1.8.0->ultralytics[explorer]) (2025.3.2)
    Requirement already satisfied: nvidia-cuda-nvrtc-cu12==12.1.105 in /data/miniconda3/envs/app/lib/python3.10/site-packages (from torch>=1.8.0->ultralytics[explorer]) (12.1.105)
    Requirement already satisfied: nvidia-cuda-runtime-cu12==12.1.105 in /data/miniconda3/envs/app/lib/python3.10/site-packages (from torch>=1.8.0->ultralytics[explorer]) (12.1.105)
    Requirement already satisfied: nvidia-cuda-cupti-cu12==12.1.105 in /data/miniconda3/envs/app/lib/python3.10/site-packages (from torch>=1.8.0->ultralytics[explorer]) (12.1.105)
    Requirement already satisfied: nvidia-cudnn-cu12==8.9.2.26 in /data/miniconda3/envs/app/lib/python3.10/site-packages (from torch>=1.8.0->ultralytics[explorer]) (8.9.2.26)
    Requirement already satisfied: nvidia-cublas-cu12==12.1.3.1 in /data/miniconda3/envs/app/lib/python3.10/site-packages (from torch>=1.8.0->ultralytics[explorer]) (12.1.3.1)
    Requirement already satisfied: nvidia-cufft-cu12==11.0.2.54 in /data/miniconda3/envs/app/lib/python3.10/site-packages (from torch>=1.8.0->ultralytics[explorer]) (11.0.2.54)
    Requirement already satisfied: nvidia-curand-cu12==10.3.2.106 in /data/miniconda3/envs/app/lib/python3.10/site-packages (from torch>=1.8.0->ultralytics[explorer]) (10.3.2.106)
    Requirement already satisfied: nvidia-cusolver-cu12==11.4.5.107 in /data/miniconda3/envs/app/lib/python3.10/site-packages (from torch>=1.8.0->ultralytics[explorer]) (11.4.5.107)
    Requirement already satisfied: nvidia-cusparse-cu12==12.1.0.106 in /data/miniconda3/envs/app/lib/python3.10/site-packages (from torch>=1.8.0->ultralytics[explorer]) (12.1.0.106)
    Requirement already satisfied: nvidia-nccl-cu12==2.20.5 in /data/miniconda3/envs/app/lib/python3.10/site-packages (from torch>=1.8.0->ultralytics[explorer]) (2.20.5)
    Requirement already satisfied: nvidia-nvtx-cu12==12.1.105 in /data/miniconda3/envs/app/lib/python3.10/site-packages (from torch>=1.8.0->ultralytics[explorer]) (12.1.105)
    Requirement already satisfied: triton==2.3.1 in /data/miniconda3/envs/app/lib/python3.10/site-packages (from torch>=1.8.0->ultralytics[explorer]) (2.3.1)
    Requirement already satisfied: nvidia-nvjitlink-cu12 in /data/miniconda3/envs/app/lib/python3.10/site-packages (from nvidia-cusolver-cu12==11.4.5.107->torch>=1.8.0->ultralytics[explorer]) (12.8.93)
    Requirement already satisfied: six>=1.5 in /data/miniconda3/envs/app/lib/python3.10/site-packages (from python-dateutil>=2.7->matplotlib>=3.3.0->ultralytics[explorer]) (1.17.0)
    Requirement already satisfied: MarkupSafe>=2.0 in /data/miniconda3/envs/app/lib/python3.10/site-packages (from jinja2->torch>=1.8.0->ultralytics[explorer]) (3.0.2)
    Requirement already satisfied: mpmath<1.4,>=1.1.0 in /data/miniconda3/envs/app/lib/python3.10/site-packages (from sympy->torch>=1.8.0->ultralytics[explorer]) (1.3.0)

    when run code

    from ultralytics import Explorer
    
    # Create an Explorer object
    explorer = Explorer(data="coco128.yaml", model="yolo11n.pt")
    
    # Create embeddings for your dataset
    explorer.create_embeddings_table()
    
    # Search for similar images to a given image/images
    dataframe = explorer.get_similar(img="path/to/image.jpg")
    
    # Or search for similar images to a given index/indices
    dataframe = explorer.get_similar(idx=0)

    The error has arisen

    Traceback (most recent call last):
      File "/data/liujie/data/ultralytics-8.3.13/tutorial/debug/explorer.py", line 1, in <module>
        from ultralytics import Explorer
    ImportError: cannot import name 'Explorer' from 'ultralytics' (/data/liujie/data/ultralytics-8.3.118/ultralytics/__init__.py)

    please help me to install and use explorer

    1. Glenn JocherUltralytics(수정됨)

      Hi @keeper-jie,

      The issue you're experiencing is because Ultralytics Explorer has been removed since version 8.3.12, and you're using version 8.3.118. That's why you're seeing the warning that the 'explorer' extra is not provided and why you can't import the Explorer class.

      As noted in our documentation, we've moved this functionality to Ultralytics Platform, our platform that offers similar and enhanced capabilities for exploring, visualizing, and managing your datasets without writing code.

      If you specifically need the Explorer API functionality in your code, you would need to downgrade to a version prior to 8.3.12. However, we recommend trying Ultralytics Platform instead, as it provides an improved experience with all the dataset exploration features you're looking for.

      Let me know if you need any further assistance with Ultralytics Platform or if you have any other questions.