Подготовка данных#
Подготовка данных — это основа успешных моделей computer vision. Ultralytics Platform предоставляет комплексные инструменты для управления твоими тренировочными данными: от загрузки и разметки до анализа.
Watch: Get Started with Ultralytics Platform - Data
Обзор#
Раздел Data в Ultralytics Platform помогает тебе:
- Загружай изображения, видео и файлы датасетов (ZIP, TAR, включая
.tar.gz/.tgz, NDJSON) - Импортируй по URL, вставив прямую ссылку на архив или экспорт в формате NDJSON, либо из Roboflow
- Подключай Google Cloud Storage, Amazon S3 или Azure Blob Storage и используй свои данные на месте без загрузки копии
- Храни пиксели локально с помощью корпоративных CPU/GPU-воркеров On Premise уровня Enterprise
- Размечай с помощью инструментов ручного рисования и умной разметки на базе SAM — выбирай между SAM 2.1 и новым SAM 3
- Управляй классами, переименовывая, перекрашивая, объединяя и удаляя их во всем наборе данных
- Анализируй свои данные с помощью статистики, визуализаций и кластеризации на основе вложений
- Экспортируй в формате NDJSON для локального обучения
Рабочий процесс#
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| Этап | Описание |
|---|---|
| Загрузка | Импортируй изображения, видео или архивы с автоматической обработкой |
| Разметка | Размечай данные с помощью ручных инструментов или используй аннотацию SAM для задач детектирования, сегментации, семантики и OBB |
| Анализ | Просматривай распределение классов, пространственные тепловые карты, статистику размерностей и кластеры вложений |
| Экспорт | Скачивай в формате NDJSON для использования в офлайн-режиме |
Поддерживаемые задачи#
Датасеты Ultralytics Platform поддерживают все 7 типов задач YOLO:
| Задача | Описание | Инструмент аннотирования |
|---|---|---|
| Detect | Детекция объектов с ограничивающими рамками (BBox) | Инструмент прямоугольника |
| Segment | Сегментация экземпляров с пиксельными масками | Инструмент многоугольника |
| Semantic | Семантическая сегментация с пиксельными областями по классам | Инструмент многоугольника |
| Depth | Попиксельные карты метрической глубины | Импортированные цели |
| Classify | Классификация на уровне изображения | Выбор класса |
| Pose | Оценка ключевых точек с помощью встроенных и пользовательских шаблонов скелета | Инструмент ключевых точек |
| OBB | Ориентированные ограничивающие рамки для повернутых объектов | Инструмент ориентированной рамки |
Тип задачи задается при создании датасета и определяет доступные инструменты разметки. Ты можешь изменить его позже в селекторе задач в шапке датасета, но несовместимые аннотации не будут отображаться после переключения. Переключение на глубину (depth) или с нее разрешено только тогда, когда датасет пуст — см. Edit Dataset.
Ключевые особенности#
Умное хранилище#
Ultralytics Platform эффективно управляет хранилищем:
- Дедупликация: Идентичные изображения в одной области данных сохраняются один раз
- Целостность: Загружаемые файлы проверяются на целостность данных
- Эффективность: Оптимизированное хранение и быстрая обработка
URI датасетов#
Ссылайся на датасеты, используя формат URI ul:// (см. Использование датасетов платформы):
yolo train data=ul://username/datasets/my-datasetЭто позволяет запускать обучение на датасетах платформы с любой машины, на которой настроен твой API key.
from ultralytics import YOLO
model = YOLO("yolo26n.pt")
model.train(data="ul://username/datasets/my-dataset", epochs=100)Версионирование датасетов#
Создавай неизменяемые снимки (snapshots) датасета в формате NDJSON для воспроизводимого обучения. Каждая версия фиксирует количество изображений, классов и аннотаций на момент создания. Подробности см. на вкладке Versions Tab.
Вкладки набора данных#
Страницы датасетов могут содержать до шести вкладок в зависимости от состояния датасета и твоих прав доступа:
| Вкладка | Описание |
|---|---|
| Изображения | Просматривай изображения в виде сетки, компактного списка или таблицы с наложенными аннотациями |
| Classes | Просматривай, переименовывай, перекрашивай, объединяй и удаляй классы с отображением количества меток для каждого класса |
| Графики | Автоматическая статистика: распределение по выборкам (split), количество классов, тепловые карты |
| Модели | Модели, обученные на этом датасете, с метриками и статусом |
| Версии | Создавай, скачивай и восстанавливай неизменяемые снимки NDJSON для обеспечения воспроизводимости |
| Ошибки | Изображения, обработка которых не удалась, с описанием ошибок и инструкциями по их исправлению |
Classes появляется, когда в датасете есть изображения и для его задачи заданы классы, в то время как Charts появляется всегда, когда в нем есть изображения. Errors появляется только при наличии сбоев обработки. Versions появляется, когда у тебя есть доступ с правами редактирования, либо в режиме только чтения, если версии уже существуют.
Кластеризация#
Изучай свой набор данных в виде интерактивной двумерной диаграммы рассеяния, где визуально похожие изображения располагаются близко друг к другу — это полезно для выявления кластеров, дубликатов и выбросов, а также для проверки распределения разбиений или классов по твоим данным. Выдели область графика лассо, чтобы отфильтровать галерею до этих изображений. Для анализа требуется от 20 до 200 000 изображений без ошибок. Подробности см. в разделе Clustering.
Статистика и визуализация#
Вкладка Charts предоставляет автоматический анализ, включая:
- Распределение выборок (Split Distribution): Круговая диаграмма количества изображений в обучающей, валидационной и тестовой выборках
- Основные классы: Кольцевая диаграмма 10 наиболее частых классов аннотаций
- Размеры изображений: Гистограмма распределения ширины и высоты изображений (в пикселях)
- Размеры изображений 2D: 2D тепловая карта ширины относительно высоты с направляющими линиями соотношения сторон
- Расположение аннотаций: 2D тепловая карта расположения центров ограничивающих рамок
- Точки на экземпляр: Распределение количества вершин многоугольника или ключевых точек (для датасетов сегментации или поз)
Полный список см. на вкладке Charts tab.
Быстрые ссылки#
- Datasets: Загрузка, управление и экспорт твоих тренировочных данных
- Annotation: Разметка данных с помощью ручных и ИИ-инструментов
- Cloud Training: Обучение моделей на размеченных датасетах
- Dataset URI: Использование URI
ul://для обучения откуда угодно
FAQ#
Ultralytics Platform поддерживает:
Изображения: JPEG, PNG, WebP, BMP, TIFF, HEIC, AVIF, JP2, DNG, MPO (макс. 50 МБ каждое)
Видео: MP4, WebM, MOV, MKV, M4V (макс. 1 ГБ, кадры извлекаются с частотой 1 FPS, максимум 100 кадров)
Файлы набора данных: Архивы ZIP или TAR, включающие
.tar.gzи.tgz(макс. 10 ГБ на тарифе Free, 20 ГБ на Pro, 50 ГБ на Enterprise), содержащие изображения с опциональными метками в формате YOLO-format или COCO JSON, а также экспорты в формате NDJSONЛюбой из этих форматов архивов или NDJSON также можно импортировать, вставив прямую ссылку HTTP(S) на вкладке
URLдиалогового окнаNew Dataset. Метки Pascal VOC XML обнаруживаются, но не импортируются.Лимиты хранилища зависят от твоего тарифного плана:
Тарифный план Лимит хранилища Бесплатно 100 GB Pro 500 GB Enterprise Без ограничений Лимиты на отдельный файл: изображения 50 МБ, видео 1 ГБ, датасеты 10 ГБ на Free / 20 ГБ на Pro / 50 ГБ на Enterprise
Да! Используй формат URI датасета для локального обучения:
export ULTRALYTICS_API_KEY="YOUR_API_KEY" yolo train model=yolo26n.pt data=ul://username/datasets/my-dataset epochs=100Или экспортируй свой датасет в формате NDJSON для переноса его метаданных, разбиений, аннотаций и подписанных URL изображений.