Preparação de dados#

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

Visão geral#

A secção Dados da Ultralytics Platform ajuda-te a:

• Carregar imagens, vídeos e ficheiros de conjuntos de dados (ZIP, TAR incluindo .tar.gz/.tgz, NDJSON)
• Importar a partir de um URL colando uma ligação direta para um arquivo ou exportação NDJSON, ou a partir da Roboflow
• Ligar ao Google Cloud Storage, Amazon S3 ou Azure Blob Storage e utilizar os teus dados no local, sem carregar uma cópia
• Manter os píxeis nas instalações com workers CPU/GPU Enterprise locais
• Anota com ferramentas de desenho manual e rotulagem inteligente potenciada por SAM — escolhe entre SAM 2.1, SAM 3 ou o predefinido SAM 3.1
• Gerir classes renomeando-as, alterando as suas cores, combinando-as e eliminando-as em todo o conjunto de dados
• Analisar os teus dados com estatísticas, visualizações e clustering baseado em embeddings
• Exportar no 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 da Ultralytics Platform suportam os 7 tipos de tarefas do YOLO:

Principais funcionalidades#

Armazenamento inteligente#

A Ultralytics Platform gere o armazenamento de forma eficiente:

• Desduplicação: as imagens idênticas na mesma região de dados são armazenadas uma 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 utilizando o formato de URI ul:// (consulta Utilizar conjuntos de dados da Platform):

yolo train data=ul://username/datasets/my-dataset

Isto permite treinar com os conjuntos de dados da Platform a partir de 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 snapshots NDJSON imutáveis do teu conjunto de dados para um treino reproduzível. Cada versão captura o número de imagens, classes e anotações no momento da criação. Consulta o separador Versões para obter detalhes.

Separadores do conjunto de dados#

As páginas dos conjuntos de dados podem apresentar 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 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 só 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 aglomerados, duplicados e valores atípicos, e para inspecionar a forma como as divisões ou classes estão distribuídas pelos teus dados. Seleciona uma região do gráfico com o laço para filtrar a galeria apenas para essas imagens. A análise precisa de entre 20 e 200.000 imagens sem erros. Os mesmos embeddings permitem-te encontrar imagens semelhantes em conjuntos de dados públicos e adicioná-las aos teus. Vê Clustering 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 com as 10 classes de anotação mais frequentes
• Dimensões das imagens: histograma da distribuição da largura e altura das imagens (em píxeis)
• Dimensões 2D das imagens: mapa de calor 2D da largura em função da altura, com linhas orientadoras da proporção
• Localizações das anotações: mapa de calor 2D das posições centrais das caixas delimitadoras
• Pontos por instância: distribuição do número de vértices de polígonos ou pontos-chave (conjuntos de dados de segmentação/pose)

Consulta o separador Gráficos para ver a lista completa.

Ligações rápidas#

• Conjuntos de dados: carrega, gere e exporta os teus dados de treino
• Anotação: etiqueta dados com ferramentas manuais e assistidas por IA
• Treino na nuvem: treina modelos nos teus conjuntos de dados anotados
• URI do conjunto de dados: utiliza URIs ul:// para treinar a partir de qualquer local

Perguntas frequentes#