HUB-gegevensreeksen

Ultralytics HUB-datasets zijn een praktische oplossing voor het beheren en benutten van je aangepaste datasets.

Eenmaal geüpload kunnen datasets direct worden gebruikt voor modeltraining. Deze geïntegreerde aanpak zorgt voor een naadloze overgang van datasetbeheer naar modeltraining, wat het hele proces aanzienlijk vereenvoudigt.

Kijken: Kijken: Datasets uploaden naar Ultralytics HUB | Volledige doorloop van de functie voor het uploaden van datasets

Dataset uploaden

Ultralytics HUB datasets zijn net als YOLOv5 en YOLOv8 🚀 datasets. Ze gebruiken dezelfde structuur en dezelfde labelformaten om alles eenvoudig te houden.

Voordat je een dataset uploadt naar Ultralytics HUB, moet je ervoor zorgen dat je het YAML-bestand van je dataset in de hoofddirectory van de dataset plaatst en dat de YAML, directory en ZIP van je dataset dezelfde naam hebben, zoals in het onderstaande voorbeeld, en dat je de directory van de dataset vervolgens zip.

Als je dataset bijvoorbeeld "coco8" heet, zoals onze COCO8 voorbeelddataset, dan zou je een coco8.yaml in je coco8/ map, die een coco8.zip wanneer dichtgeritst:

zip -r coco8.zip coco8

Je kunt onze COCO8 voorbeelddataset downloaden en uitpakken om precies te zien hoe je je dataset moet structureren.

De dataset YAML is hetzelfde standaard YOLOv5 en YOLOv8 YAML formaat.

# Ultralytics YOLO 🚀, AGPL-3.0 license
# COCO8 dataset (first 8 images from COCO train2017) by Ultralytics
# Documentation: https://docs.ultralytics.com/datasets/detect/coco8/
# Example usage: yolo train data=coco8.yaml
# parent
# ├── ultralytics
# └── datasets
#     └── coco8  ← downloads here (1 MB)

# Train/val/test sets as 1) dir: path/to/imgs, 2) file: path/to/imgs.txt, or 3) list: [path/to/imgs1, path/to/imgs2, ..]
path: ../datasets/coco8 # dataset root dir
train: images/train # train images (relative to 'path') 4 images
val: images/val # val images (relative to 'path') 4 images
test: # test images (optional)

# Classes
names:
  0: person
  1: bicycle
  2: car
  3: motorcycle
  4: airplane
  5: bus
  6: train
  7: truck
  8: boat
  9: traffic light
  10: fire hydrant
  11: stop sign
  12: parking meter
  13: bench
  14: bird
  15: cat
  16: dog
  17: horse
  18: sheep
  19: cow
  20: elephant
  21: bear
  22: zebra
  23: giraffe
  24: backpack
  25: umbrella
  26: handbag
  27: tie
  28: suitcase
  29: frisbee
  30: skis
  31: snowboard
  32: sports ball
  33: kite
  34: baseball bat
  35: baseball glove
  36: skateboard
  37: surfboard
  38: tennis racket
  39: bottle
  40: wine glass
  41: cup
  42: fork
  43: knife
  44: spoon
  45: bowl
  46: banana
  47: apple
  48: sandwich
  49: orange
  50: broccoli
  51: carrot
  52: hot dog
  53: pizza
  54: donut
  55: cake
  56: chair
  57: couch
  58: potted plant
  59: bed
  60: dining table
  61: toilet
  62: tv
  63: laptop
  64: mouse
  65: remote
  66: keyboard
  67: cell phone
  68: microwave
  69: oven
  70: toaster
  71: sink
  72: refrigerator
  73: book
  74: clock
  75: vase
  76: scissors
  77: teddy bear
  78: hair drier
  79: toothbrush

# Download script/URL (optional)
download: https://ultralytics.com/assets/coco8.zip

Nadat je je dataset hebt gezipt, moet je hem valideren voordat je hem uploadt naar Ultralytics HUB. Ultralytics HUB controleert de validatie van de dataset na het uploaden, dus als je er van tevoren voor zorgt dat je dataset correct geformatteerd is en geen fouten bevat, voorkom je tegenslagen door het afkeuren van de dataset.

from ultralytics.hub import check_dataset

check_dataset('path/to/coco8.zip')

Zodra je dataset ZIP klaar is, navigeer je naar de pagina Datasets door op de knop Datasets in de zijbalk te klikken.

Klik op de knop Dataset uploaden rechtsboven op de pagina. Deze actie activeert het dialoogvenster Dataset uploaden.

Upload je dataset in het veld Dataset .zip-bestand.

Je hebt de extra optie om een aangepaste naam en beschrijving in te stellen voor je Ultralytics HUB dataset.

Als je tevreden bent met de configuratie van je dataset, klik je op Uploaden.

Nadat je dataset is geüpload en verwerkt, kun je deze openen op de Datasets pagina.

Je kunt de afbeeldingen in je dataset gegroepeerd bekijken (Train, Validatie, Test).

Je kunt je dataset ook analyseren door op het tabblad Overzicht te klikken.

Train vervolgens een model op je dataset.

Dataset delen

Navigeer naar de Dataset pagina van de dataset die je wilt delen, open de dataset acties dropdown en klik op de optie Delen. Deze actie activeert het dialoogvenster Dataset delen.

Stel de algemene toegang in op "Niet vermeld" en klik op Opslaan.

Nu kan iedereen die de directe link naar je dataset heeft, deze bekijken.

Dataset bewerken / verwijderen

Navigeer naar de Dataset pagina van de dataset die je wilt bewerken, open de dataset acties dropdown en klik op de Bewerk optie. Deze actie activeert het dialoogvenster Dataset bijwerken.

Pas de gewenste wijzigingen toe op je dataset en bevestig de wijzigingen door op Opslaan te klikken.

Navigeer naar de Dataset pagina van de dataset die je wilt verwijderen, open de dataset acties dropdown en klik op de Verwijder optie. Met deze actie wordt de dataset verwijderd.

Reacties