Preparação de dados#
A preparação de dados é a base de modelos de computer vision bem-sucedidos. O Ultralytics Platform fornece ferramentas abrangentes para gerenciar seus dados de treinamento, desde o upload até a anotação e a análise.
Watch: Get Started with Ultralytics Platform - Data
Visão geral#
A secção de Dados da Ultralytics Platform ajuda-te a:
- Carrega imagens, vídeos e arquivos de conjuntos de dados (ZIP, TAR incluindo
.tar.gz/.tgz, NDJSON) - Importa de um URL colando um link direto para um arquivo compactado ou exportação NDJSON, ou a partir do Roboflow
- Conecta Google Cloud Storage, Amazon S3 ou Azure Blob Storage e usa seus dados diretamente no local sem precisar carregar uma cópia
- Mantém os pixels localmente com trabalhadores de CPU/GPU Enterprise On Premise
- Anota com ferramentas de desenho manual e rotulagem inteligente alimentada por SAM — escolhe entre SAM 2.1 ou o novo SAM 3
- Gerencia classes renomeando, recolorindo, mesclando e excluindo-as em todo o conjunto de dados
- Analisa os teus dados com estatísticas, visualizações e agrupamento baseado em embeddings
- Exporta no formato NDJSON para treinamento 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| Etapa | Descrição |
|---|---|
| Upload | Importa imagens, vídeos ou arquivos com processamento automático |
| Anotar | Rotula dados com ferramentas manuais ou usa a anotação SAM para detecção, segmentação, segmentação semântica e OBB |
| Analisar | Visualiza distribuições de classes, mapas de calor espaciais, estatísticas de dimensões e clusters de embeddings |
| Exportar | Baixa no formato NDJSON para uso offline |
Tarefas Suportadas#
Os datasets do Ultralytics Platform suportam todos os 7 tipos de tarefas do YOLO:
| Tarefa | Descrição | Ferramenta de Anotação |
|---|---|---|
| Detect | Detecção de objetos com bounding boxes | Ferramenta de retângulo |
| Segment | Segmentação de instâncias com máscaras de pixel | Ferramenta de polígono |
| Semantic | Segmentação semântica com regiões de pixel por classe | Ferramenta de polígono |
| Depth | Mapas de profundidade métrica por pixel | Alvos importados |
| Classify | Classificação ao nível da imagem | Seletor de classe |
| Pose | Estimativa de pontos-chave com modelos de esqueleto integrados e personalizados | Ferramenta de pontos-chave |
| OBB | Oriented bounding boxes para objetos rodados | Ferramenta de caixa orientada |
O tipo de tarefa é definido ao criar um dataset e determina quais ferramentas de anotação estão disponíveis. Podes alterá-lo mais tarde a partir do seletor de tarefas no cabeçalho do dataset, mas anotações incompatíveis não serão exibidas após a mudança. Mudar para ou a partir de depth só é permitido enquanto o dataset estiver vazio — vê Edit Dataset.
Principais recursos#
Armazenamento Inteligente#
A Ultralytics Platform gere o armazenamento de forma eficiente:
- Deduplicação: Imagens idênticas na mesma região de dados são armazenadas uma única vez
- Integridade: Os uploads 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 de URI ul:// (consulta Using Platform Datasets):
yolo train data=ul://username/datasets/my-datasetIsso permite treinar nos conjuntos de dados da plataforma a partir de qualquer máquina com tua API key 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 snapshots NDJSON imutáveis do teu conjunto de dados para treinamento reproduzível. Cada versão captura contagens de imagens, contagens de classes e contagens de anotações no momento da criação. Consulta a Versions Tab para detalhes.
Abas do Dataset#
As páginas dos conjuntos de dados podem mostrar até seis separadores, dependendo do estado do conjunto de dados e das tuas permissões:
| Separador | Descrição |
|---|---|
| Imagens | Explora imagens em vista de grelha, compacta ou de tabela com sobreposições de anotações |
| Classes | Visualiza, renomeia, recolore, mescla e exclui classes com contagens de rótulos por classe |
| Gráficos | Estatísticas automáticas: distribuição de divisões, contagens de classes, mapas de calor |
| Modelos | Models treinados neste conjunto de dados com métricas e status |
| Versões | Cria, descarrega e restaura instantâneos NDJSON imutáveis para reprodutibilidade |
| Erros | Imagens que falharam o processamento com detalhes de erro e orientação de correção |
Classes aparece quando o dataset tem imagens e a sua 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 no modo de leitura quando já existem versões.
Clustering#
Explora o teu conjunto de dados como um gráfico de dispersão 2D interativo onde imagens visualmente semelhantes ficam próximas umas das outras — útil para detetar clusters, duplicados e valores atípicos, e para inspecionar como as divisões ou classes estão distribuídas pelos teus dados. Usa o laço numa região do gráfico para filtrar a galeria apenas para essas imagens. A análise requer entre 20 e 200.000 imagens sem erros. Consulta Clustering para obter detalhes.
Estatísticas e Visualização#
A aba Charts fornece análise automática incluindo:
- Distribuição de Divisão: Gráfico de rosca das contagens de imagens de treino/validação/teste
- Classes Principais: Gráfico de rosca das 10 classes de anotação mais frequentes
- Dimensões da Imagem: Histograma da distribuição de largura e altura da imagem (em pixéis)
- Dimensões da Imagem 2D: Mapa de calor 2D da largura vs altura com linhas guia de proporção
- Localizações de Anotação: Mapa de calor 2D das posições centrais das bounding boxes
- Pontos por Instância: Distribuição da contagem de vértices de polígono ou pontos-chave (conjuntos de dados de segmento/pose)
Consulta a Charts tab para ver a lista completa.
Links Rápidos#
- Datasets: Carrega, gerencia e exporta teus dados de treinamento
- Annotation: Rotula dados com ferramentas manuais e assistidas por IA
- Cloud Training: Treina modelos em teus conjuntos de dados anotados
- Dataset URI: Usa URIs
ul://para treinar de qualquer lugar
FAQ#
A Ultralytics Platform suporta:
Imagens: JPEG, PNG, WebP, BMP, TIFF, HEIC, AVIF, JP2, DNG, MPO (máx. 50MB cada)
Vídeos: MP4, WebM, MOV, MKV, M4V (máximo de 1GB, quadros extraídos a 1 FPS, máximo de 100 quadros)
Ficheiros do conjunto de dados: Arquivos ZIP ou TAR incluindo
.tar.gze.tgz(máximo de 10GB no Free, 20GB no Pro, 50GB no Enterprise) contendo imagens com rótulos opcionais em YOLO-format ou COCO JSON, além de exportações NDJSONQualquer um destes formatos de arquivo ou NDJSON também pode ser importado colando um link HTTP(S) direto na aba
URLdo diálogoNew Dataset. Os rótulos Pascal VOC XML são detetados, mas não importados.Os limites de armazenamento dependem do teu plano:
Plano Limite de Armazenamento Gratuito 100 GB Pro 500 GB Enterprise Ilimitado Limites de ficheiros individuais: Imagens 50MB, Vídeos 1GB, conjuntos de dados 10GB no Free / 20GB no Pro / 50GB no Enterprise
Sim! Usa o formato de URI do conjunto de dados para treinar localmente:
export ULTRALYTICS_API_KEY="YOUR_API_KEY" yolo train model=yolo26n.pt data=ul://username/datasets/my-dataset epochs=100Ou exporta teu conjunto de dados no formato NDJSON para transferir seus metadados, divisões, anotações e URLs de imagem assinadas.