Conjuntos de dados

Os conjuntos de dados da Ultralytics Platform oferecem uma solução otimizada para gerenciar os seus dados de treino. Uma vez carregados, os conjuntos de dados podem ser imediatamente utilizados para o treino de modelos, com processamento automático e geração de estatísticas.

Fazer Upload do Conjunto de Dados

Ultralytics aceita vários formatos de upload para maior flexibilidade.

Formatos Suportados

Preparar o Seu Conjunto de Dados

A Plataforma suporta dois formatos de anotação, além de uploads brutos: Ultralytics YOLO, COCO e brutos (imagens não anotadas):

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

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

names:
    0: person
    1: car
    2: dog

my-coco-dataset/
├── train/
│   ├── _annotations.coco.json
│   ├── img001.jpg
│   └── img002.jpg
└── val/
    ├── _annotations.coco.json
    ├── img003.jpg
    └── img004.jpg

{
    "images": [{ "id": 1, "file_name": "img001.jpg", "width": 640, "height": 480 }],
    "annotations": [{ "id": 1, "image_id": 1, "category_id": 0, "bbox": [100, 50, 200, 300] }],
    "categories": [{ "id": 0, "name": "person" }]
}

Para detalhes de formato específicos da tarefa, consulte tarefas suportadas e a Visão Geral dos Datasets.

Processo de Carregamento

1. Navegue até Datasets na barra lateral
2. Clique New Dataset ou arraste arquivos para a zona de upload
3. Selecione o tipo de tarefa (consulte tarefas suportadas)
4. Adicione um nome e uma descrição opcional
5. Definir visibilidade (pública ou privada) e licença opcional (ver licenças disponíveis)
6. Clique Create

Após o upload, a plataforma processa os seus dados através de um pipeline multi-estágio:

graph LR
    A[Upload] --> B[Validate]
    B --> C[Normalize]
    C --> D[Thumbnail]
    D --> E[Parse Labels]
    E --> F[Statistics]

    style A fill:#4CAF50,color:#fff
    style B fill:#2196F3,color:#fff
    style C fill:#2196F3,color:#fff
    style D fill:#2196F3,color:#fff
    style E fill:#2196F3,color:#fff
    style F fill:#9C27B0,color:#fff

1. Validação: Verificações de formato e tamanho
2. Normalização: Imagens grandes redimensionadas (máx. 4096px, dimensão mín. 28px)
3. Miniaturas: Pré-visualizações WebP de 256px geradas
4. Análise de Rótulos: Rótulos nos formatos YOLO e COCO extraídos
5. Estatísticas: Distribuições de classes e dimensões de imagem calculadas

from ultralytics.hub import check_dataset

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

Explorar Imagens

Visualize as imagens do seu conjunto de dados em múltiplos layouts:

Ordenação e Filtragem

As imagens podem ser classificadas e filtradas para uma navegação eficiente:

Visualizador em Ecrã Inteiro

Clique em qualquer imagem para abrir o visualizador em tela cheia com:

• Navegação: Teclas de seta ou miniaturas para navegar
• Metadados: Nome do arquivo, dimensões, crachá de divisão, contagem de anotações
• Anotações: Alternar visibilidade da sobreposição de anotações
• Detalhes por Classe: Contagens de rótulos por classe com indicadores de cor
• Editar: Entre no modo de anotação para adicionar ou modificar rótulos
• Download: Baixar o arquivo de imagem original
• Excluir: Excluir a imagem do conjunto de dados
• Zoom: Cmd/Ctrl+Scroll para ampliar/reduzir
• Visualização de pixel: Alternar renderização pixelizada para inspeção detalhada

Filtrar por Divisão

Filtre imagens pela divisão do seu conjunto de dados:

Abas do Conjunto de Dados

Cada página de conjunto de dados possui seis abas acessíveis na barra de abas:

Aba Imagens

A visualização padrão exibe a galeria de imagens com sobreposições de anotações. Suporta modos de visualização em grade, compacto e tabela. Arraste e solte arquivos aqui para adicionar mais imagens.

Aba Classes

Gerir classes de anotação para o seu conjunto de dados:

• Histograma de classes: Gráfico de barras mostrando a contagem de anotações por classe com alternância de escala linear/logarítmica
• Tabela de classes: Tabela classificável e pesquisável com nome da classe, contagem de rótulos e contagem de imagens
• Editar nomes das classes: Clique em qualquer nome de classe para renomeá-lo diretamente
• Editar cores da classe: Clique em uma amostra de cor para alterar a cor da classe
• Adicionar nova classe: Use o campo de entrada na parte inferior para adicionar classes

Guia de Gráficos

Estatísticas automáticas calculadas a partir do seu conjunto de dados:

Aba de Modelos

Visualize todos os modelos treinados neste conjunto de dados em uma tabela pesquisável:

Aba de Erros

As imagens que falharam no processamento são listadas aqui com:

• Banner de erro: Contagem total de imagens com falha e orientação
• Tabela de erros: Nome do arquivo, descrição de erro amigável, dicas de correção e miniatura de pré-visualização
• Erros comuns incluem arquivos corrompidos, formatos não suportados, imagens muito pequenas (mín. 28px) e modos de cor não suportados

Guia Versões

Crie snapshots NDJSON imutáveis do seu conjunto de dados para treinamento reproduzível. Cada versão captura contagens de imagens, contagens de classes, contagens de anotações e o tamanho do arquivo no momento da criação.

Para criar uma versão:

1. Abra a aba Versões
2. Opcionalmente, insira uma descrição (por exemplo, "Adicionadas 500 imagens de treinamento" ou "Classes mal rotuladas corrigidas")
3. Clique em + Nova Versão
4. O snapshot NDJSON é gerado e baixado automaticamente

Cada versão é numerada sequencialmente (v1, v2, v3...) e armazenada permanentemente. Você pode baixar qualquer versão anterior a qualquer momento na tabela de versões.

Exportar Conjunto de Dados

Exporte o seu conjunto de dados em NDJSON formato para uso offline:

1. Clique no ícone de download no cabeçalho do conjunto de dados
2. O arquivo NDJSON é baixado automaticamente

O formato NDJSON armazena um objeto JSON por linha. A primeira linha contém metadados do conjunto de dados, seguida por uma linha por imagem:

{"type": "dataset", "task": "detect", "name": "my-dataset", "description": "...", "url": "https://platform.ultralytics.com/...", "class_names": {"0": "person", "1": "car"}, "version": 1, "created_at": "2026-01-15T10:00:00Z", "updated_at": "2026-02-20T14:30:00Z"}
{"type": "image", "file": "img001.jpg", "url": "https://...", "width": 640, "height": 480, "split": "train", "annotations": {"boxes": [[0, 0.5, 0.5, 0.2, 0.3]]}}
{"type": "image", "file": "img002.jpg", "url": "https://...", "width": 1280, "height": 720, "split": "val"}

Consulte a documentação do formato NDJSON da Ultralytics para a especificação completa.

Operações de Imagem

Ações Rápidas

Clique com o botão direito em qualquer imagem na visualização Grade ou Compacta para acessar ações rápidas:

Mover em Massa para Divisão

Reatribuir imagens selecionadas para uma divisão diferente dentro do mesmo conjunto de dados:

1. Mudar para a visualização de Tabela
2. Selecione imagens usando caixas de seleção
3. Clique com o botão direito para abrir o menu de contexto
4. Escolher Move to split > Treinar, Validação, ou Testar

Você também pode arrastar e soltar imagens nas abas de filtro de divisão na visualização em grade.

Exclusão em Massa

Exclua várias imagens de uma vez:

1. Selecione imagens na visualização em tabela
2. Clique com o botão direito e escolha Delete
3. Confirmar exclusão

URI do Conjunto de Dados

Referencie conjuntos de dados da Plataforma usando o ul:// Formato URI (ver Utilizar Conjuntos de Dados da Plataforma):

ul://username/datasets/dataset-slug

Use este URI para treinar modelos de qualquer lugar:

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

from ultralytics import YOLO

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

Licenças Disponíveis

A Plataforma suporta as seguintes licenças para conjuntos de dados:

Configurações de Visibilidade

Controle quem pode ver seu conjunto de dados:

A visibilidade é definida ao criar um conjunto de dados no New Dataset diálogo usando um interruptor de alternância. Conjuntos de dados públicos são visíveis no Explorar página.

Editar Conjunto de Dados

Metadados do conjunto de dados são editados diretamente na página do conjunto de dados — nenhum diálogo é necessário:

• Nome: Clique no nome do conjunto de dados para editá-lo. As alterações são salvas automaticamente ao perder o foco ou Enter.
• Descrição: Clique na descrição (ou no marcador "Adicionar uma descrição...") para editar. As alterações são salvas automaticamente.
• Tipo de tarefa: Clique no distintivo da tarefa para selecionar um tipo de tarefa diferente.
• Licença: Clique no seletor de licença para alterar a licença do conjunto de dados.

Clonar Conjunto de Dados

Ao visualizar um conjunto de dados público que você não possui, clique Clone Dataset para criar uma cópia em seu espaço de trabalho. O clone inclui todas as imagens, anotações e definições de classe. Se o conjunto de dados original tiver uma licença copyleft, o clone a herda e o seletor de licença é bloqueado.

Favoritar e Compartilhar

• Favoritar: Clique no botão de estrela para favoritar um conjunto de dados. A contagem de favoritos é visível para todos os usuários.
• Compartilhar: Para conjuntos de dados públicos, clique no botão de compartilhamento para copiar um link ou compartilhar em plataformas sociais.

Excluir Conjunto de Dados

Exclua um conjunto de dados que você não precisa mais:

1. Abra o menu de ações do conjunto de dados
2. Clique Delete
3. Confirmar na caixa de diálogo: "Isso moverá [nome] para a lixeira. Você pode restaurá-lo em até 30 dias."

Treinar no Conjunto de Dados

Inicie o treinamento diretamente do seu conjunto de dados:

1. Clique New Model na página do conjunto de dados
2. Selecione um projeto ou crie um novo
3. Configure os parâmetros de treinamento
4. Iniciar treinamento

graph LR
    A[Dataset] --> B[New Model]
    B --> C[Select Project]
    C --> D[Configure]
    D --> E[Start Training]

    style A fill:#2196F3,color:#fff
    style E fill:#4CAF50,color:#fff

Consulte Treinamento em Nuvem para mais detalhes.

FAQ

O que acontece com os meus dados depois de carregados?

Os seus dados são processados e armazenados na região selecionada (EUA, UE ou AP). As imagens são:

1. Validado para formato e tamanho
2. Rejeitado se a dimensão mínima for inferior a 28px
3. Normalizado se maior que 4096px (preservando a proporção; codificado para armazenamento otimizado)
4. Armazenado utilizando Armazenamento Endereçável por Conteúdo (CAS) com hashing XXH3-128
5. Miniaturas geradas em 256px WebP para navegação rápida

Como funciona o armazenamento?

A Plataforma Ultralytics utiliza Armazenamento Endereçável por Conteúdo (CAS) para um armazenamento eficiente:

• Desduplicação: Imagens idênticas carregadas por diferentes utilizadores são armazenadas apenas uma vez
• Integridade: O hashing XXH3-128 garante a integridade dos dados
• Eficiência: Reduz os custos de armazenamento e acelera o processamento
• Regional: Os dados permanecem na sua região selecionada (EUA, UE ou AP)

Posso adicionar imagens a um conjunto de dados existente?

Sim, arraste e solte ficheiros na página do conjunto de dados ou utilize o botão de upload para adicionar imagens adicionais. Novas estatísticas serão calculadas automaticamente.

Como movo imagens entre divisões?

Utilize o recurso de movimento em massa para divisão:

1. Selecione imagens na visualização em tabela
2. Clique com o botão direito e escolha Move to split
3. Selecione a divisão de destino (Treino, Validação ou Teste)

Quais formatos de rótulo são suportados?

A Plataforma Ultralytics suporta dois formatos de anotação para upload:

📅 Criado há 2 meses ✏️ Atualizado há 2 dias

Comentários