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, COCOe raw (imagens sem anotação):

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 obter detalhes sobre o formato específico da tarefa, consulte as tarefas suportadas e a Visão geral dos conjuntos de dados.

Processo de Carregamento

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

Após o upload, a plataforma processa os seus dados através de um pipeline de várias etapas:

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 (máximo 4096 px, dimensão mínima 28 px)
3. Miniaturas: pré-visualizações WebP de 256 px geradas
4. Análise de rótulos: YOLO e etiquetas COCO extraídas
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:

Classificação e filtragem

As imagens podem ser ordenadas 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 pré-visualizações em miniatura para navegar
• Metadados: Nome do ficheiro, dimensões, divisão do emblema, contagem de anotações
• Anotações: Alternar a visibilidade da sobreposição de anotações
• Discriminação por classe: contagem de rótulos por classe com indicadores de cor
• Editar: Entre no modo de anotação para adicionar ou modificar rótulos
• Download: Descarregue o ficheiro de imagem original
• Apagar: Apaga a imagem do conjunto de dados
• Zoom: Cmd/Ctrl+Scroll para ampliar/reduzir
• Visualização em pixels: alternar a renderização pixelizada para inspeção detalhada

Filtrar por Divisão

Filtre imagens pela divisão do seu conjunto de dados:

Guias do conjunto de dados

Cada página de conjunto de dados tem cinco separadores acessíveis a partir da barra de separadores:

Guia Imagens

A visualização padrão mostra a galeria de imagens com sobreposições de anotações. Suporta os modos de visualização em grelha, compacto e tabela. Arraste e solte ficheiros aqui para adicionar mais imagens.

Guia Classes

Gerencie classes de anotação para o seu conjunto de dados:

• Histograma de classes: Gráfico de barras que mostra a contagem de anotações por classe com alternância entre escala linear/logarítmica
• Tabela de classes: Tabela classificável 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 inline
• Editar cores da classe: Clique numa amostra de cor para alterar a cor da classe
• Adicionar nova classe: Use o campo de entrada na parte inferior para adicionar classes

Guia Gráficos

Estatísticas automáticas calculadas a partir do seu conjunto de dados:

Guia Modelos

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

Guia Erros

As imagens cujo processamento falhou são listadas aqui com:

• Banner de erro: Contagem total de imagens com falha e orientações
• Tabela de erros: nome do ficheiro, descrição do erro de fácil compreensão, sugestões de correção e miniatura de pré-visualização
• Erros comuns incluem ficheiros corrompidos, formatos não suportados, imagens muito pequenas (mínimo 28 px) e modos de cor não suportados.

Exportar Conjunto de Dados

Exporte o seu conjunto de dados no formato NDJSON para utilização offline:

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

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": "...", "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 em massa

Gerencie imagens em massa usando o menu de contexto da visualização da tabela:

Mudança para Split

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

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

Você também pode arrastar e soltar imagens nas guias do filtro dividido na visualização em grade.

Eliminar em massa

Elimine várias imagens de uma só vez:

1. Selecione imagens na visualização da tabela
2. Clique com o botão direito do rato e selecione 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 botão seletor. Os conjuntos de dados públicos são visíveis no Explorar página.

Editar Conjunto de Dados

Os metadados do conjunto de dados são editados diretamente na página do conjunto de dados — sem necessidade de diálogo:

• Nome: Clique no nome do conjunto de dados para editá-lo. As alterações são guardadas automaticamente ao sair do campo ou Enter.
• Descrição: Clique na descrição (ou no espaço reservado «Adicionar uma descrição...») para editar. As alterações são guardadas automaticamente.
• Tipo de tarefa: clique no emblema 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 não lhe pertence, clique em Clone Dataset para criar uma cópia na sua área de trabalho. A cópia inclui todas as imagens, anotações e definições de classe. Se o conjunto de dados original tiver uma licença copyleft, a cópia herda-a e o seletor de licença fica bloqueado.

Estrela e partilha

• Estrela: Clique no botão estrela para marcar um conjunto de dados. A contagem de estrelas é visível para todos os utilizadores.
• Partilhar: Para conjuntos de dados públicos, clique no botão «Partilhar» para copiar um link ou partilhar 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. Confirme na caixa de diálogo: «Isto irá mover [nome] para a lixeira. Pode restaurá-lo dentro de 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 28 px
3. Normalizado se maior que 4096px (preservando a proporção; codificado para armazenamento otimizado)
4. Armazenado usando armazenamento endereçável por conteúdo (CAS) com hash XXH3-128
5. Miniaturas geradas em 256px WebP para uma 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 hash 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 os ficheiros na página do conjunto de dados ou utilize o botão de carregamento para adicionar imagens adicionais. Novas estatísticas serão calculadas automaticamente.

Como posso mover imagens entre divisões?

Use o recurso de mover em massa para dividir:

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

Quais formatos de rótulo são suportados?

Ultralytics suporta dois formatos de anotação para upload:

📅 Criado há 1 mês ✏️ Atualizado há 5 dias

Comentários