데이터 세트

Ultralytics Platform 데이터셋은 학습 데이터를 관리하기 위한 간소화된 솔루션을 제공합니다. 업로드되면 데이터셋은 자동 처리 및 통계 생성과 함께 모델 학습에 즉시 사용될 수 있습니다.

데이터세트 업로드

Ultralytics 유연성을 위해 다양한 업로드 형식을 지원합니다.

지원되는 이미지 형식

지원되는 비디오 형식

동영상은 자동으로 프레임으로 추출됩니다:

파일 크기 제한

기록 보관소

50GB까지의 ZIP 파일을 폴더 구조를 유지한 채 자동으로 추출 및 처리하여 지원합니다.

데이터셋 준비

레이블이 지정된 데이터셋의 경우 표준 YOLO 형식을 사용하세요:

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

yaml 파일은 데이터셋 구성을 정의합니다:

# data.yaml
path: .
train: images/train
val: images/val

names:
    0: person
    1: car
    2: dog

업로드 프로세스

1. 사이드바에서 데이터셋으로 이동합니다.
2. 데이터셋 업로드를 클릭하거나 파일을 업로드 영역으로 드래그합니다.
3. 작업 유형(detect, segment, pose, OBB, classify)을 선택합니다.
4. 이름과 선택적 설명을 추가합니다.
5. 업로드를 클릭합니다.

업로드 후 플랫폼이 데이터를 처리합니다:

1. 정규화: 큰 이미지는 크기 조정됨 (최대 4096px)
2. 썸네일: 256px 미리보기 생성됨
3. 레이블 파싱: YOLO 형식 레이블 추출됨
4. 통계: 클래스 분포 계산됨

from ultralytics.hub import check_dataset

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

이미지 찾아보기

여러 레이아웃으로 데이터셋 이미지를 볼 수 있습니다:

전체 화면 뷰어

아무 이미지나 클릭하여 다음을 포함하는 전체 화면 뷰어를 엽니다:

• 탐색: 화살표 키 또는 클릭하여 탐색
• 메타데이터: 파일 이름, 크기, 분할, 레이블 수
• 어노테이션: 어노테이션 가시성 토글
• 클래스 분류: 클래스별 레이블 수

분할별 필터링

데이터셋 분할별로 이미지를 필터링합니다:

데이터셋 통계

통계 탭은 데이터셋에 대한 자동 분석을 제공합니다:

클래스 분포

클래스별 주석 수를 보여주는 막대 차트:

위치 히트맵

이미지 내 주석 위치 시각화:

차원 분석

이미지 크기(너비 대 높이) 산점도:

데이터셋 내보내기

오프라인 사용을 위해 데이터셋을 NDJSON 형식으로 내보내기:

1. 데이터셋 작업 메뉴 열기
2. 내보내기 클릭
3. NDJSON 파일 다운로드

NDJSON 형식은 한 줄에 하나의 JSON 객체를 저장합니다:

{"filename": "img001.jpg", "split": "train", "labels": [...]}
{"filename": "img002.jpg", "split": "train", "labels": [...]}

전체 사양은 Ultralytics NDJSON 형식 문서를 참조하십시오.

데이터셋 URI

다음 URI를 사용하여 플랫폼 데이터셋 참조: ul:// URI 형식:

ul://username/datasets/dataset-slug

이 URI를 사용하여 어디서든 모델을 훈련하십시오:

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

가시성 설정

데이터셋을 볼 수 있는 사용자 제어:

공개 설정 변경 방법:

1. 데이터셋 작업 메뉴 열기
2. 편집 클릭
3. 공개 설정 전환
4. 저장 클릭

데이터세트 편집

데이터셋 이름, 설명 또는 공개 설정 업데이트:

1. 데이터셋 작업 메뉴 열기
2. 편집 클릭
3. 변경 사항 적용
4. 저장 클릭

데이터세트 삭제

더 이상 필요 없는 데이터셋 삭제:

1. 데이터셋 작업 메뉴 열기
2. 삭제를 클릭하세요.
3. 삭제 확인

데이터셋으로 학습

데이터셋에서 직접 학습 시작:

1. 데이터셋 페이지에서 모델 학습을 클릭하세요.
2. 프로젝트 선택 또는 새로 생성
3. 학습 매개변수 구성
4. 학습 시작

자세한 내용은 클라우드 학습을 참조하세요.

FAQ

업로드 후 내 데이터는 어떻게 되나요?

귀하의 데이터는 선택한 지역(미국, EU 또는 AP)에 처리 및 저장됩니다. 이미지는 다음과 같습니다:

1. 형식 및 크기 유효성 검사 완료
2. 4096px보다 큰 경우 정규화됨 (가로세로 비율 유지)
3. SHA-256 해싱을 사용하는 콘텐츠 주소 지정 저장소(CAS)를 통해 저장됨
4. 빠른 탐색을 위해 256px로 썸네일 생성

스토리지는 어떻게 작동하나요?

Ultralytics Platform은 효율적인 스토리지를 위해 콘텐츠 주소 지정 스토리지(CAS)를 사용합니다:

• 중복 제거: 다른 사용자가 업로드한 동일한 이미지는 한 번만 저장됩니다.
• 무결성: SHA-256 해싱은 데이터 무결성을 보장합니다.
• 효율성: 스토리지 비용을 절감하고 처리 속도를 높입니다.
• 지역성: 데이터는 선택한 지역(미국, EU 또는 AP)에 유지됩니다.

기존 데이터셋에 이미지를 추가할 수 있나요?

예, 데이터셋 페이지의 이미지 추가 버튼을 사용하여 추가 이미지를 업로드하세요. 새로운 통계는 자동으로 계산됩니다.

데이터셋 간에 이미지를 어떻게 이동하나요?

대량 선택 기능을 사용하십시오:

1. 갤러리에서 이미지를 선택하세요
2. 이동 또는 복사를 클릭하세요
3. 대상 데이터셋을 선택하세요

어떤 레이블 형식이 지원되나요?

Ultralytics Platform은 YOLO 형식 레이블을 지원합니다:

모든 좌표는 정규화됩니다(0-1 범위). 자세 가시성 플래그: 0=라벨링되지 않음, 1=라벨링되었으나 가려짐, 2=라벨링되었고 가시적임.

5; 20 전에 생성됨 ✏️ 12 전에 업데이트됨

댓글