Link to this section데이터 준비#
데이터 준비는 성공적인 컴퓨터 비전 모델의 기초입니다. Ultralytics Platform은 업로드부터 어노테이션, 분석에 이르기까지 학습 데이터를 관리할 수 있는 포괄적인 도구를 제공합니다.
Watch: Get Started with Ultralytics Platform - Data
Link to this section개요#
Ultralytics Platform의 데이터 섹션은 다음을 지원합니다:
- 업로드: 이미지, 비디오 및 데이터셋 파일(ZIP,
.tar.gz/.tgz포함 TAR, NDJSON) - 어노테이션: 수동 그리기 도구 및 SAM 기반 스마트 라벨링 사용 — SAM 2.1 또는 새로운 SAM 3 중에서 선택 가능
- 분석: 통계 및 시각화를 통한 데이터 분석
- 내보내기: 로컬 학습을 위해 NDJSON 형식으로 내보내기
Link to this section워크플로#
graph LR
A[Upload] --> B[Annotate]
B --> C[Analyze]
C --> D[Train]
style A fill:#4CAF50,color:#fff
style B fill:#2196F3,color:#fff
style C fill:#FF9800,color:#fff
style D fill:#9C27B0,color:#fff| 단계 | 설명 |
|---|---|
| 업로드 | 이미지, 비디오 또는 아카이브를 자동 처리 기능을 사용하여 가져오기 |
| 어노테이션 | 6가지 모든 작업 유형에 대한 수동 도구로 데이터 라벨링을 수행하거나, detect, segment, semantic 및 OBB 작업에 SAM 어노테이션 사용 |
| 분석 | 클래스 분포, 공간 히트맵 및 치수 통계 확인 |
| 내보내기 | 오프라인 사용을 위해 NDJSON 형식으로 다운로드 |
Link to this section지원되는 작업#
Ultralytics Platform은 6가지 모든 YOLO 작업 유형을 지원합니다:
| 작업 | 설명 | 어노테이션 도구 |
|---|---|---|
| Detect | 바운딩 박스를 사용한 객체 탐지 | 사각형 도구 |
| Segment | 픽셀 마스크를 사용한 인스턴스 세그멘테이션 | 다각형 도구 |
| Semantic | 클래스별 픽셀 영역을 사용한 시맨틱 세그멘테이션 | 다각형 도구 |
| Pose | 내장 및 사용자 지정 스켈레톤 템플릿을 사용한 키포인트 추정 | 키포인트 도구 |
| OBB | 회전된 객체를 위한 방향성 바운딩 박스 | 방향성 박스 도구 |
| Classify | 이미지 레벨 분류 | 클래스 선택기 |
작업 유형은 데이터셋을 생성할 때 설정되며 사용 가능한 어노테이션 도구를 결정합니다. 나중에 데이터셋 헤더 작업 선택기에서 변경할 수 있으나, 전환 후에는 호환되지 않는 어노테이션이 표시되지 않습니다.
Link to this section주요 기능#
Link to this section스마트 스토리지#
Ultralytics Platform은 효율적인 데이터 관리를 위해 CAS(Content-Addressable Storage)를 사용합니다:
- 중복 제거: XXH3-128 해싱을 통해 동일한 이미지는 한 번만 저장
- 무결성: 해시 기반 주소 지정을 통해 데이터 무결성 보장
- 효율성: 최적화된 스토리지 및 빠른 처리
Link to this section데이터셋 URI#
ul:// URI 형식을 사용하여 데이터셋을 참조합니다(Platform 데이터셋 사용 참조):
yolo train data=ul://username/datasets/my-dataset이를 통해 API 키가 구성된 모든 컴퓨터에서 플랫폼의 데이터셋으로 학습할 수 있습니다.
from ultralytics import YOLO
model = YOLO("yolo26n.pt")
model.train(data="ul://username/datasets/my-dataset", epochs=100)Link to this section데이터셋 버전 관리#
재현 가능한 학습을 위해 데이터셋의 변경 불가능한 NDJSON 스냅샷을 생성하십시오. 각 버전은 생성 시점의 이미지 수, 클래스 수 및 어노테이션 수를 캡처합니다. 자세한 내용은 버전 탭을 참조하십시오.
Link to this section데이터셋 탭#
데이터셋 페이지에는 데이터셋 상태 및 권한에 따라 최대 6개의 탭이 표시될 수 있습니다:
| 탭 | 설명 |
|---|---|
| 이미지 | 어노테이션 오버레이가 포함된 그리드, 콤팩트 또는 테이블 보기에서 이미지 탐색 |
| 클래스 | 클래스 이름, 색상 및 클래스별 라벨 수 확인 및 편집 |
| 차트 | 자동 통계: 분할 분포, 클래스 수, 히트맵 |
| 모델 | 메트릭 및 상태와 함께 이 데이터셋으로 학습된 모델 |
| 버전 | 재현 가능한 학습을 위한 변경 불가능한 NDJSON 스냅샷 생성 및 다운로드 |
| 오류 | 처리 실패 이미지에 대한 오류 세부 정보 및 수정 지침 |
Classes 및 Charts는 데이터셋에 이미지가 있을 때 나타납니다. Errors는 처리 실패가 발생한 경우에만 나타납니다. Versions는 소유자에게 나타나며, 버전이 이미 존재하는 경우 비소유자에게도 나타납니다.
Link to this section클러스터링#
시각적으로 유사한 이미지가 가깝게 위치하는 대화형 2D 산점도로 데이터셋을 탐색하십시오. 클러스터, 중복, 이상치를 표면화하거나 분할 또는 클래스가 데이터 전반에 어떻게 분포되어 있는지 확인하는 데 유용합니다. 플롯의 영역을 올가미 도구로 선택하여 해당 이미지만 갤러리에 필터링하십시오. 자세한 내용은 클러스터링을 참조하십시오.
Link to this section통계 및 시각화#
Charts 탭은 다음을 포함한 자동 분석을 제공합니다:
- 분할 분포: train/val/test 이미지 수의 도넛 차트
- 상위 클래스: 가장 빈번한 어노테이션 클래스의 도넛 차트
- 이미지 치수: 이미지 너비 및 높이 분포의 히스토그램 (픽셀 단위)
- 인스턴스당 포인트: 다각형 정점 또는 키포인트 수 분포 (segment/pose 데이터셋)
- 어노테이션 위치: 바운딩 박스 중심 위치의 2D 히트맵
- 이미지 치수 2D: 가로 세로 비율 가이드 라인이 포함된 너비 대 높이의 2D 히트맵
Link to this section빠른 링크#
- 데이터셋: 학습 데이터 업로드, 관리 및 내보내기
- 어노테이션: 수동 및 AI 보조 도구로 데이터 라벨링
- 클라우드 학습: 어노테이션된 데이터셋으로 모델 학습
- 데이터셋 URI:
ul://URI를 사용하여 어디서나 학습
Link to this sectionFAQ#
Link to this section업로드에 어떤 파일 형식이 지원됩니까?#
Ultralytics Platform은 다음을 지원합니다:
이미지: JPEG, PNG, WebP, BMP, TIFF, HEIC, AVIF, JP2, DNG, MPO (각 최대 50MB)
비디오: MP4, WebM, MOV, AVI, MKV, M4V (최대 1GB, 1 FPS로 프레임 추출, 최대 100 프레임)
데이터셋 파일: .tar.gz 및 .tgz를 포함한 ZIP 또는 TAR 아카이브(Free 플랜 최대 10GB, Pro 20GB, Enterprise 50GB). 선택적 YOLO 형식 라벨 및 NDJSON 내보내기 포함
Link to this section데이터셋 최대 크기는 얼마입니까?#
스토리지 제한은 플랜에 따라 다릅니다:
| 플랜 | 스토리지 제한 |
|---|---|
| 무료(Free) | 100 GB |
| Pro | 500 GB |
| Enterprise | 무제한 |
개별 파일 제한: 이미지 50MB, 비디오 1GB, 데이터셋 Free 10GB / Pro 20GB / Enterprise 50GB
Link to this section플랫폼 데이터셋을 로컬 학습에 사용할 수 있습니까?#
네! 데이터셋 URI 형식을 사용하여 로컬에서 학습할 수 있습니다:
export ULTRALYTICS_API_KEY="YOUR_API_KEY"
yolo train model=yolo26n.pt data=ul://username/datasets/my-dataset epochs=100또는 완전한 오프라인 학습을 위해 NDJSON 형식으로 데이터셋을 내보내십시오.