Link to this sectionConjuntos de Dados#

Os conjuntos de dados da Ultralytics Platform oferecem uma solução otimizada para gerir os teus dados de treino. Após o carregamento, a plataforma processa automaticamente imagens, rótulos e estatísticas. Um conjunto de dados está pronto para treinar assim que o processamento termina e ele contém pelo menos uma imagem na divisão train, pelo menos uma imagem na divisão val ou test, pelo menos uma imagem rotulada e um total de pelo menos duas imagens.

Link to this sectionCarregar conjunto de dados#

A Ultralytics Platform aceita múltiplos formatos de carregamento para maior flexibilidade.

Link to this sectionFormatos Suportados#

Link to this sectionA preparar o teu conjunto de dados#

A plataforma suporta Ultralytics YOLO, COCO, Ultralytics NDJSON e carregamentos brutos (sem anotações):

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

Para detalhes de formatos específicos de tarefas, consulta as tarefas suportadas e a Visão geral dos conjuntos de dados.

Link to this sectionProcesso de carregamento#

1. Navega até Datasets na barra lateral
2. Clica em New Dataset ou arrasta os ficheiros para a zona de carregamento
3. Seleciona o tipo de tarefa (consulta tarefas suportadas)
4. Adiciona um nome e uma descrição opcional
5. Define a visibilidade (pública ou privada) e uma licença opcional (consulta licenças disponíveis)
6. Clica em Create & Upload (ou Create Dataset se estiveres a criar um conjunto de dados vazio)

Após o carregamento, a plataforma processa os teus dados através de um pipeline de várias fases:

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 mínima 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 das imagens calculadas

from ultralytics.data.utils import check_det_dataset

check_det_dataset("path/to/data.yaml")

Link to this sectionNavegar pelas imagens#

Vê as imagens do teu conjunto de dados em múltiplos layouts.

Abre o painel de Clustering a partir da barra de ferramentas da galeria para explorar o teu conjunto de dados como um gráfico de dispersão 2D interativo.

Link to this sectionOrdenação e filtragem#

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

Link to this sectionVisualizador em Tela Cheia#

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

• Navegação: Teclas de seta ou visualizações em miniatura para navegar
• Metadados: Nome do arquivo, dimensões, selo de divisão, contagem de anotações
• Anotações: Alternar a visibilidade da sobreposição de anotações
• Detalhamento de Classe: Contagem de rótulos por classe com indicadores de cor
• Editar: Entre no modo de anotação para adicionar ou modificar rótulos
• Download: Baixe o arquivo da imagem original
• Excluir: Exclua a imagem do dataset
• Zoom: Cmd/Ctrl+Scroll, Cmd/Ctrl++ ou Cmd/Ctrl+= para aumentar o zoom, e Cmd/Ctrl+- para diminuir o zoom
• Redefinir visualização: Cmd/Ctrl + 0 ou o botão de redefinir para ajustar a imagem ao visualizador
• Pan: Hold Space and drag to pan the canvas when zoomed
• Visualização de pixel: Alternar a renderização pixelada para inspeção detalhada

Link to this sectionFiltrar por Divisão#

Filtrar imagens por sua divisão de dataset:

Link to this sectionClustering#

O painel Clustering projeta seu dataset em um gráfico de dispersão 2D interativo onde imagens visualmente semelhantes ficam próximas umas das outras. Use-o para revelar clusters, encontrar duplicatas e outliers, e inspecionar como as divisões ou classes estão distribuídas em seus dados — sem sair da galeria. Abra-o a partir do ícone de gráfico de dispersão na barra de ferramentas da galeria em qualquer página de dataset.

Link to this sectionExecutando Análise#

Inicie uma análise:

1. Abra um dataset e clique no ícone de gráfico de dispersão na barra de ferramentas da galeria
2. Click Analyze Dataset
3. Aguarde a barra de progresso terminar — os resultados aparecem no mesmo painel

A análise é executada em segundo plano e pode levar alguns minutos, dependendo do tamanho do seu dataset. Você pode fechar o painel ou sair da página e voltar mais tarde.

Link to this sectionVisualização#

Assim que a análise é concluída, o painel mostra um gráfico de dispersão 2D de todas as imagens analisadas. Os filtros da galeria (divisão, classe, rotulado/não rotulado) escurecem os pontos fora do filtro para que você possa focar no subconjunto que lhe interessa.

Link to this sectionColorir Por#

Change how data points are shaded with the Color by dropdown in the panel toolbar. Switch view modes at any time — the plot re-colors instantly so you can see how splits, classes, or image properties are distributed across your clusters:

Link to this sectionSeleção de Laço (Lasso)#

Desenhe uma seleção de forma livre ao redor de uma região para destacar pontos no gráfico. A galeria filtra para as imagens correspondentes, para que você possa inspecionar, rotular novamente, mover ou excluí-las usando as operações de imagem usuais.

Link to this sectionPan e Zoom#

Navegue por grandes dispersões diretamente com seu mouse e teclado:

Link to this sectionReanalisando#

If your dataset changes after analysis, a Re-analyze button appears at the top of the panel for owners and editors.

Click Re-analyze to recompute embeddings and the 2D projection from scratch.

Link to this sectionAbas do Dataset#

Cada página de dataset pode exibir até seis abas, dependendo do estado do dataset e das suas permissões:

Link to this sectionAba de Imagens#

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

Link to this sectionAba de Classes#

Esta aba aparece quando o dataset possui imagens.

Gerencie as classes de anotação para seu dataset:

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

Link to this sectionAba de Gráficos#

Esta aba aparece quando o dataset possui imagens.

Estatísticas automáticas calculadas a partir do seu conjunto de dados:

Link to this sectionAba de Modelos#

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

Link to this sectionAba de Erros#

Esta aba aparece apenas quando um ou mais arquivos falham no processamento.

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 amigável do erro, dicas de correção e miniatura de visualização
• Erros comuns incluem arquivos corrompidos, formatos não suportados, imagens muito pequenas (mínimo 28px) e modos de cor não suportados

Link to this sectionAba de Versões#

Crie snapshots NDJSON imutáveis do seu conjunto de dados para treinamento reprodutível. Cada versão captura contagens de imagens, contagens de classes, contagens de anotações e 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 treino" ou "Corrigidas classes com rótulos errados")
3. Clique em + Nova Versão
4. A nova versão aparece na tabela
5. Baixe a versão separadamente da tabela quando necessário

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

Link to this sectionExportar Dataset#

Exporte seu conjunto de dados para uso offline com um download NDJSON a partir do cabeçalho do conjunto de dados ou da aba Versões.

Para exportar:

1. Clique no botão Download (ícone de download) no cabeçalho do conjunto de dados
2. Baixe o snapshot NDJSON atual diretamente
3. Use a aba Versions quando quiser um snapshot numerado e imutável que você possa baixar novamente mais tarde

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

{"type": "dataset", "task": "detect", "name": "my-dataset", "description": "...", "bytes": 12345678, "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 Ultralytics NDJSON para a especificação completa.

Link to this sectionOperações de imagem#

Link to this sectionAções rápidas#

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

Link to this sectionMover divisão em lote#

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

1. Mude para a visualização Table
2. Selecione as imagens usando os checkboxes
3. Clique com o botão direito para abrir o menu de contexto
4. Escolha Move to split > Train, Validation ou Test

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

Link to this sectionRedistribuição de divisão#

Redistribua todas as imagens entre as divisões de treino, validação e teste usando proporções personalizadas:

1. Clique na barra de divisão na barra de ferramentas do conjunto de dados para abrir a caixa de diálogo Redistribute Splits
2. Ajuste as porcentagens da divisão usando qualquer um dos métodos abaixo
3. Revise a prévia da contagem de imagens ao vivo para confirmar a distribuição
4. Clique em Apply para reatribuir aleatoriamente todas as imagens de acordo com suas porcentagens

A caixa de diálogo oferece três maneiras de definir suas proporções de divisão alvo:

Uma prévia ao vivo mostra exatamente quantas imagens ficarão em cada divisão antes de aplicar.

Link to this sectionExclusão em lote#

Exclua várias imagens de uma vez:

1. Selecione imagens na visualização de tabela
2. Clique com o botão direito e escolha Delete
3. Confirme a exclusão

Link to this sectionURI do conjunto de dados#

Referencie conjuntos de dados da plataforma usando o formato de URI ul:// (consulte Usando conjuntos de dados da plataforma):

Use esta 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

Link to this sectionLicenças disponíveis#

A plataforma suporta as seguintes licenças para conjuntos de dados:

Link to this sectionConfigurações de visibilidade#

Controle quem pode ver seu conjunto de dados:

A visibilidade é definida ao criar um conjunto de dados na caixa de diálogo New Dataset usando um interruptor. Conjuntos de dados públicos são visíveis na página Explore.

Link to this sectionEditar conjunto de dados#

Os metadados do conjunto de dados são editados em linha diretamente na página — nenhuma caixa de diálogo é necessária:

• Nome: Clique no nome do conjunto de dados para editá-lo. As alterações são salvas automaticamente ao sair do campo ou pressionar Enter.
• Descrição: Clique na descrição (ou no espaço reservado "Add a description...") para editar. As alterações são salvas automaticamente.
• Tipo de tarefa: Clique no selo da tarefa para selecionar um tipo de tarefa diferente.
• Licença: Clique no seletor de licença para alterar a licença do conjunto de dados.

Link to this sectionClonar Dataset#

Ao visualizar um dataset público que não é teu, clica em Clone Dataset para criar uma cópia no teu espaço de trabalho. O clone inclui todas as imagens, anotações e definições de classe. Se o dataset original tiver uma licença copyleft, o clone herda-a e o seletor de licença fica bloqueado.

Link to this sectionMarcar com Estrela e Partilhar#

• Marcar com Estrela: Clica no botão de estrela para marcar um dataset como favorito. O número de estrelas é visível para todos os utilizadores.
• Partilhar: Para datasets públicos, clica no botão de partilha para copiar uma hiperligação ou partilhar em redes sociais.

Link to this sectionEliminar Dataset#

Apaga um dataset de que já não precises:

1. Abre o menu de ações do dataset
2. Clica em Delete
3. Confirma na caixa de diálogo: "Isto moverá [name] para o lixo. Podes restaurá-lo no prazo de 30 dias."

Link to this sectionTreinar num Dataset#

Começa o treino diretamente a partir do teu dataset:

1. Clica em New Model na página do dataset
2. Seleciona um projeto ou cria um novo
3. Configura os parâmetros de treino
4. Começa o treino

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

Consulta Cloud Training para detalhes.

Link to this sectionFAQ#

Link to this sectionO que acontece aos meus dados após o upload?#

Os teus dados são processados e armazenados na região selecionada (US, EU ou AP). As imagens são:

1. Validadas quanto ao formato e tamanho
2. Rejeitadas se a dimensão mínima for inferior a 28px
3. Normalizadas se forem maiores que 4096px (preservando a proporção; codificadas para armazenamento otimizado)
4. Armazenadas utilizando Content-Addressable Storage (CAS) com hashing XXH3-128
5. Miniaturas geradas em WebP de 256px para uma navegação rápida

Link to this sectionComo funciona o armazenamento?#

A Ultralytics Platform utiliza Content-Addressable Storage (CAS) para um armazenamento eficiente:

• Deduplicação: Imagens idênticas enviadas por utilizadores diferentes 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 região selecionada (US, EU ou AP)

Link to this sectionPosso adicionar imagens a um dataset existente?#

Sim, arrasta e larga ficheiros na página do dataset ou usa o botão de upload para adicionar imagens adicionais. Novas estatísticas serão calculadas automaticamente.

Link to this sectionComo movo imagens entre divisões (splits)?#

Usa a funcionalidade de mover em massa para divisão:

1. Selecione imagens na visualização de tabela
2. Clica com o botão direito e escolhe Move to split
3. Seleciona a divisão de destino (Train, Validation ou Test)

Link to this sectionQue formatos de etiqueta são suportados?#

A Ultralytics Platform suporta etiquetas YOLO, COCO JSON, Ultralytics NDJSON e uploads de imagens em bruto:

Link to this sectionPosso anotar o mesmo dataset para vários tipos de tarefa?#

Sim. Cada imagem armazena anotações para todos os 6 tipos de tarefa (detect, segment, semantic, pose, OBB, classify) em conjunto. Podes mudar o tipo de tarefa ativa do dataset a qualquer momento sem perder as anotações existentes. Apenas as anotações que correspondem ao tipo de tarefa ativa são apresentadas no editor e incluídas nas exportações e no treino — as anotações para outras tarefas são preservadas e reaparecem quando mudas de volta.