Preparação de dados#

A preparação de dados é a base de modelos de visão por computador bem-sucedidos. O Ultralytics Platform oferece ferramentas abrangentes para gerir os teus dados de treino, desde o carregamento e a anotação até à análise.

Visão geral#

A secção Dados do Ultralytics Platform ajuda-te a:

• Carregar imagens, vídeos e ficheiros de conjuntos de dados (ZIP, TAR incluindo .tar.gz/.tgz, NDJSON)
• Importar de um URL colando uma ligação direta para um arquivo ou uma exportação NDJSON, ou importar da Roboflow
• Ligar o Google Cloud Storage, o Amazon S3 ou o Azure Blob Storage e usar os teus dados no local, sem carregar uma cópia
• Manter os píxeis no local com trabalhadores CPU/GPU Enterprise no local
• Anotar com ferramentas de desenho manual e anotação inteligente com SAM (SAM 2.1, SAM 3 ou o SAM 3.1 predefinido), modelos YOLO ou modelos orientados por classe — modelos de código aberto alojados ou modelos pagos de provedores — em conjuntos de dados de deteção com 1–200 classes
• Gerir classes mudando-lhes o nome, a cor, fundindo-as e eliminando-as em todo o conjunto de dados
• Expandir conjuntos de dados com Encontrar imagens semelhantes ou Gerar imagens semelhantes e, em seguida, anotar as imagens que mantiveres
• Desfocar rostos em imagens existentes ou carregamentos futuros
• Analisar os teus dados com estatísticas, visualizações e agrupamento baseado em incorporações
• Exportar em formato NDJSON para treino local

Fluxo de trabalho#

graph LR
    A[Upload]:::start --> B[Annotate]:::proc
    B --> D[Train]:::out
    B --> C[Analyze]:::proc

    classDef start fill:#4CAF50,color:#fff
    classDef proc fill:#2196F3,color:#fff
    classDef out fill:#9C27B0,color:#fff

Tarefas suportadas#

Os conjuntos de dados do Ultralytics Platform são compatíveis com os 7 tipos de tarefa YOLO:

Principais funcionalidades#

Armazenamento inteligente#

O Ultralytics Platform gere o armazenamento de forma eficiente:

• Deduplicação: imagens idênticas na mesma região de dados são armazenadas uma única vez
• Integridade: os carregamentos são verificados quanto à integridade dos dados
• Eficiência: armazenamento otimizado e processamento rápido

URIs de conjuntos de dados#

Faz referência a conjuntos de dados usando o formato URI ul:// (consulta Usar conjuntos de dados do Platform):

yolo train model=yolo26n.pt data=ul://username/datasets/my-dataset

Isto permite treinar com os conjuntos de dados do Platform em qualquer máquina com a tua chave API configurada.

from ultralytics import YOLO

model = YOLO("yolo26n.pt")
model.train(data="ul://username/datasets/my-dataset", epochs=100)

Versionamento de conjuntos de dados#

Cria instantâneos NDJSON imutáveis do teu conjunto de dados para obteres treinos reproduzíveis. Cada versão regista a contagem de imagens, classes e anotações no momento da criação. Consulta o separador Versões para mais detalhes.

Separadores do conjunto de dados#

As páginas dos conjuntos de dados podem mostrar até seis separadores, dependendo do estado do conjunto de dados e das tuas permissões:

Classes aparece quando o conjunto de dados tem imagens e a respetiva tarefa tem classes, enquanto Charts aparece sempre que tem imagens. Errors aparece apenas quando existem falhas de processamento. Versions aparece quando tens acesso de edição ou, em modo só de leitura, quando já existem versões.

Agrupamento#

Explora o teu conjunto de dados num gráfico de dispersão 2D interativo, onde as imagens visualmente semelhantes ficam próximas umas das outras — útil para identificar grupos, duplicados e valores atípicos, bem como para inspecionar a distribuição das divisões ou classes nos teus dados. Delimita uma região com o laço ou clica num ponto para filtrar a galeria e mostrar essas imagens. A análise requer entre 20 e 200 000 imagens sem erros. As mesmas incorporações permitem-te encontrar imagens semelhantes em conjuntos de dados públicos, teus e da equipa, e adicioná-las ao teu conjunto de dados. Consulta Agrupamento para mais detalhes.

Estatísticas e visualização#

O separador Charts fornece análises automáticas, incluindo:

• Distribuição das divisões: gráfico em anel com as contagens de imagens de treino/validação/teste
• Principais classes: gráfico em anel das 10 classes de anotação mais frequentes
• Dimensões da imagem: histograma da distribuição da largura e altura das imagens (em pixels)
• Dimensões da imagem 2D: mapa de calor 2D da largura versus altura, com linhas-guia de proporção
• Localizações das anotações: mapa de calor 2D das posições centrais das caixas delimitadoras
• Pontos por instância: distribuição da contagem de vértices de polígonos ou pontos-chave (conjuntos de dados de segmentação/pose)

Veja a aba Gráficos para conferir a lista completa.

Links rápidos#

• Conjuntos de dados: carregue, gerencie e exporte seus dados de treinamento
• Anotação: rotule dados com ferramentas manuais e assistidas por IA
• Treinamento na nuvem: treine modelos com seus conjuntos de dados anotados
• URI do conjunto de dados: use URIs ul:// para treinar de qualquer lugar

Perguntas frequentes#