Link to this sectionНаборы данных#

Датасеты Ultralytics Platform предоставляют удобное решение для управления твоими данными для обучения. После загрузки платформа автоматически обрабатывает изображения, разметку и статистику. Датасет готов к обучению сразу после завершения обработки при условии, что в нем есть как минимум одно изображение в разделе train, как минимум одно изображение в разделе val или test, хотя бы одно размеченное изображение и суммарно не менее двух изображений.

Link to this sectionЗагрузить датасет#

Ultralytics Platform принимает данные в различных форматах для обеспечения гибкости работы.

Link to this sectionПоддерживаемые форматы#

Link to this sectionПодготовка датасета#

Платформа поддерживает форматы Ultralytics YOLO, COCO, Ultralytics NDJSON и загрузку необработанных (без разметки) данных:

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

Подробности по форматам для конкретных задач см. в разделе поддерживаемые задачи и в Обзоре датасетов.

Link to this sectionПроцесс загрузки#

1. Перейди в Datasets в боковой панели
2. Нажми New Dataset или перетащи файлы в область загрузки
3. Выбери тип задачи (см. поддерживаемые задачи)
4. Добавь название и опциональное описание
5. Установи видимость (публичная или приватная) и выбери лицензию (см. доступные лицензии)
6. Нажми Create & Upload (или Create Dataset, если создаешь пустой датасет)

После загрузки платформа обрабатывает твои данные через многоэтапный конвейер:

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. Валидация: Проверка формата и размера
2. Нормализация: Большие изображения меняют размер (макс. 4096px, мин. сторона 28px)
3. Миниатюры: Создаются превью в формате WebP размером 256px
4. Парсинг разметки: Извлекается разметка в форматах YOLO и COCO
5. Статистика: Вычисляются распределения классов и размеры изображений

from ultralytics.data.utils import check_det_dataset

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

Link to this sectionОбзор изображений#

Просматривай изображения своего датасета в различных макетах.

Открой панель Clustering из панели инструментов галереи, чтобы изучить свой датасет в виде интерактивной 2D-диаграммы рассеяния.

Link to this sectionСортировка и фильтрация#

Изображения можно сортировать и фильтровать для эффективного просмотра:

Link to this sectionПолноэкранный просмотрщик#

Нажми на любое изображение, чтобы открыть полноэкранный просмотрщик с помощью:

• Навигация: клавиши со стрелками или миниатюры для просмотра
• Метаданные: имя файла, размеры, метка сплита, количество аннотаций
• Аннотации: переключение видимости слоя аннотаций
• Распределение классов: количество разметок по классам с цветовыми индикаторами
• Редактирование: вход в режим аннотирования для добавления или изменения разметок
• Загрузка: скачивание исходного файла изображения
• Удаление: удаление изображения из набора данных
• Масштабирование: Cmd/Ctrl+Scroll, Cmd/Ctrl++ или Cmd/Ctrl+= для приближения, и Cmd/Ctrl+- для отдаления
• Сброс вида: Cmd/Ctrl + 0 или кнопка сброса, чтобы подогнать изображение под размер окна просмотра
• Панорамирование: удерживай Space и перетаскивай курсор для перемещения по холсту при увеличении
• Пиксельный вид: включение пиксельного рендеринга для детального изучения

Link to this sectionФильтр по сплиту#

Фильтрация изображений по их сплиту в наборе данных:

Link to this sectionКластеризация#

Панель Clustering проецирует твой набор данных на интерактивную 2D-диаграмму рассеяния, где визуально похожие изображения расположены близко друг к другу. Используй ее, чтобы выявлять кластеры, находить дубликаты и выбросы, а также изучать распределение сплитов или классов в твоих данных, не покидая галерею. Открой ее с помощью значка диаграммы рассеяния на панели инструментов галереи на любой странице набора данных.

Link to this sectionЗапуск анализа#

Запуск анализа:

1. Открой набор данных и нажми на значок диаграммы рассеяния на панели инструментов галереи
2. Нажми Analyze Dataset
3. Дождись завершения работы индикатора выполнения — результаты появятся на той же панели

Анализ выполняется в фоновом режиме и может занять несколько минут в зависимости от размера твоего набора данных. Ты можешь закрыть панель или покинуть страницу и вернуться позже.

Link to this sectionВизуализация#

После завершения анализа на панели появится 2D-диаграмма всех проанализированных изображений. Фильтры галереи (сплит, класс, размеченные/неразмеченные) делают неактивные точки полупрозрачными, чтобы ты мог сосредоточиться на нужном подмножестве.

Link to this sectionРаскраска по#

Измени способ окрашивания точек данных с помощью выпадающего меню Color by на панели инструментов. Переключай режимы просмотра в любое время — диаграмма мгновенно перекрасится, чтобы ты мог увидеть, как сплиты, классы или свойства изображений распределены по кластерам:

Link to this sectionВыделение лассо#

Нарисуй произвольную область, чтобы выделить точки на диаграмме. Галерея отфильтрует изображения, соответствующие выделению, чтобы ты мог просмотреть, переразметить, переместить или удалить их, используя обычные операции с изображениями.

Link to this sectionПанорамирование и масштабирование#

Навигация по большим диаграммам рассеяния прямо с помощью мыши и клавиатуры:

Link to this sectionПовторный анализ#

Если набор данных изменился после анализа, владельцы и редакторы увидят кнопку Re-analyze в верхней части панели.

Нажми Re-analyze, чтобы заново вычислить эмбеддинги и 2D-проекцию с нуля.

Link to this sectionВкладки набора данных#

Каждая страница набора данных может отображать до шести вкладок в зависимости от состояния набора данных и твоих прав доступа:

Link to this sectionВкладка Images#

Вид по умолчанию, показывающий галерею изображений с наложенными аннотациями. Поддерживаются режимы сетки, компактный и табличный. Перетаскивай файлы сюда, чтобы добавить больше изображений.

Link to this sectionВкладка Classes#

Эта вкладка появляется, когда в наборе данных есть изображения.

Управляй классами аннотаций для своего набора данных:

• Гистограмма классов: гистограмма, показывающая количество аннотаций по каждому классу с переключателем линейной/логарифмической шкалы
• Таблица классов: сортируемая таблица с возможностью поиска, содержащая названия классов, количество меток и количество изображений.
• Редактирование названий классов: нажми на любое название класса, чтобы изменить его прямо в таблице.
• Редактирование цветов классов: нажми на образец цвета, чтобы изменить цвет класса.
• Добавление нового класса: используй поле ввода в нижней части, чтобы добавить классы.

Link to this sectionВкладка «Графики»#

Эта вкладка появляется, когда в наборе данных есть изображения.

Автоматическая статистика, рассчитанная для твоего набора данных:

Link to this sectionВкладка «Модели»#

Просматривай все модели, обученные на этом наборе данных, в таблице с возможностью поиска:

Link to this sectionВкладка «Ошибки»#

Эта вкладка появляется только в том случае, если один или несколько файлов не прошли обработку.

Изображения, которые не прошли обработку, перечислены здесь с:

• Баннер ошибки: общее количество изображений с ошибками и рекомендации
• Таблица ошибок: имя файла, понятное описание ошибки, советы по исправлению и миниатюра для предпросмотра
• Распространенные ошибки включают поврежденные файлы, неподдерживаемые форматы, слишком маленькие изображения (минимум 28px) и неподдерживаемые цветовые режимы

Link to this sectionВкладка «Версии»#

Создавай неизменяемые NDJSON-снимки твоего набора данных для воспроизводимого обучения. Каждая версия фиксирует количество изображений, количество классов, количество аннотаций и размер файла на момент создания.

Чтобы создать версию:

1. Открой вкладку Версии
2. При необходимости введи описание (например, «Добавлено 500 изображений для обучения» или «Исправлены ошибки в разметке классов»)
3. Нажми + New Version
4. Новая версия появится в таблице
5. Скачивай версию отдельно из таблицы при необходимости

Каждая версия нумеруется последовательно (v1, v2, v3...) и хранится постоянно. Ты можешь скачать любую предыдущую версию в любое время из таблицы версий.

Link to this sectionЭкспортировать набор данных#

Экспортируй набор данных для использования в автономном режиме с помощью загрузки NDJSON из заголовка набора данных или вкладки «Версии».

Для экспорта:

1. Нажми кнопку Download (иконка загрузки) в заголовке набора данных
2. Скачивай текущий снимок NDJSON напрямую
3. Используй вкладку Versions, если тебе нужен неизменяемый пронумерованный снимок, который можно скачать повторно позже

Формат NDJSON хранит по одному JSON-объекту на строку. Первая строка содержит метаданные набора данных, за которой следует по одной строке на каждое изображение:

{"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"}

Смотри полную спецификацию в документации по формату Ultralytics NDJSON.

Link to this sectionОперации с изображениями#

Link to this sectionБыстрые действия#

Нажми правой кнопкой мыши на любое изображение в режиме Grid или Compact, чтобы получить доступ к быстрым действиям:

Link to this sectionМассовое перемещение в выборку#

Переназначь выбранные изображения в другую выборку внутри того же набора данных:

1. Переключись в режим Table
2. Выбери изображения с помощью флажков
3. Нажми правой кнопкой мыши, чтобы открыть контекстное меню
4. Выбери Move to split > Train, Validation или Test

Ты также можешь перетаскивать изображения на вкладки фильтра выборки в режиме сетки.

Link to this sectionПерераспределение выборок#

Перераспредели все изображения между обучающей, валидационной и тестовой выборками, используя пользовательские коэффициенты:

1. Нажми на панель выборки в панели инструментов набора данных, чтобы открыть диалоговое окно Redistribute Splits
2. Настрой процентное соотношение выборок, используя любой из методов ниже
3. Изучи динамический предварительный просмотр количества изображений, чтобы подтвердить распределение
4. Нажми Apply, чтобы случайным образом переназначить все изображения в соответствии с твоими процентами

Диалоговое окно предоставляет три способа установки целевых коэффициентов выборки:

Динамический предварительный просмотр точно показывает, сколько изображений попадет в каждую выборку, прежде чем ты применишь изменения.

Link to this sectionМассовое удаление#

Удали несколько изображений за раз:

1. Выбери изображения в режиме таблицы
2. Нажми правой кнопкой мыши и выбери Delete
3. Подтверди удаление

Link to this sectionURI набора данных#

Ссылайся на наборы данных Platform, используя формат URI ul:// (см. Использование наборов данных Platform):

Используй этот URI для обучения моделей из любого места:

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

Link to this sectionДоступные лицензии#

Platform поддерживает следующие лицензии для наборов данных:

Link to this sectionНастройки видимости#

Контролируй, кто может видеть твой набор данных:

Видимость устанавливается при создании набора данных в диалоговом окне New Dataset с помощью переключателя. Публичные наборы данных видны на странице Explore.

Link to this sectionРедактирование набора данных#

Метаданные набора данных редактируются непосредственно на странице набора данных — диалоговое окно не требуется:

• Name: Нажми на имя набора данных, чтобы отредактировать его. Изменения сохраняются автоматически при потере фокуса или нажатии Enter.
• Description: Нажми на описание (или заполнитель "Add a description..."), чтобы отредактировать его. Изменения сохраняются автоматически.
• Task type: Нажми на значок задачи, чтобы выбрать другой тип задачи.
• License: Нажми на селектор лицензии, чтобы изменить лицензию набора данных.

Link to this sectionКлонирование набора данных#

При просмотре публичного набора данных, который тебе не принадлежит, нажми Clone Dataset, чтобы создать копию в своей рабочей области. Клон включает все изображения, аннотации и определения классов. Если оригинальный набор данных имеет лицензию copyleft, клон наследует её, и выбор лицензии будет заблокирован.

Link to this sectionОтметить и поделиться#

• Star: Нажми кнопку со звездочкой, чтобы добавить набор данных в закладки. Количество отметок звездочкой видно всем пользователям.
• Share: Для публичных наборов данных нажми кнопку «поделиться», чтобы скопировать ссылку или отправить её в социальные сети.

Link to this sectionУдалить набор данных#

Удаление набора данных, который тебе больше не нужен:

1. Открой меню действий набора данных
2. Нажми Delete
3. Подтверди действие в диалоговом окне: "Это переместит [name] в корзину. Ты сможешь восстановить его в течение 30 дней."

Link to this sectionОбучение на наборе данных#

Начни обучение прямо из своего набора данных:

1. Нажми New Model на странице набора данных
2. Выбери проект или создай новый
3. Настрой параметры обучения
4. Запусти обучение

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

Подробности см. в Cloud Training.

Link to this sectionFAQ#

Link to this sectionЧто происходит с моими данными после загрузки?#

Твои данные обрабатываются и хранятся в выбранном регионе (US, EU или AP). Изображения:

1. Проверяются на формат и размер
2. Отклоняются, если минимальный размер менее 28px
3. Нормализуются, если размер превышает 4096px (с сохранением соотношения сторон; кодируются для оптимизированного хранения)
4. Хранятся с использованием контентно-адресуемого хранилища (CAS) с хешированием XXH3-128
5. Миниатюры создаются в формате WebP размером 256px для быстрого просмотра

Link to this sectionКак работает хранилище?#

Ultralytics Platform использует Content-Addressable Storage (CAS) для эффективного хранения:

• Deduplication: Идентичные изображения, загруженные разными пользователями, хранятся только один раз
• Integrity: Хеширование XXH3-128 обеспечивает целостность данных
• Efficiency: Сокращает расходы на хранение и ускоряет обработку
• Regional: Данные остаются в выбранном тобой регионе (US, EU или AP)

Link to this sectionМожно ли добавить изображения в существующий набор данных?#

Да, перетащи файлы на страницу набора данных или используй кнопку загрузки, чтобы добавить дополнительные изображения. Новая статистика будет вычислена автоматически.

Link to this sectionКак перемещать изображения между сплитами?#

Используй функцию массового перемещения в сплит:

1. Выбери изображения в режиме таблицы
2. Нажми правой кнопкой мыши и выбери Move to split
3. Выбери целевой сплит (Train, Validation или Test)

Link to this sectionКакие форматы меток поддерживаются?#

Ultralytics Platform поддерживает метки YOLO, COCO JSON, Ultralytics NDJSON и загрузку необработанных изображений:

Link to this sectionМогу ли я аннотировать один и тот же набор данных для нескольких типов задач?#

Да. Каждое изображение хранит аннотации для всех 6 типов задач (detect, segment, semantic, pose, OBB, classify) вместе. Ты можешь переключать активный тип задачи набора данных в любое время без потери существующих аннотаций. В редакторе отображаются, а также включаются в экспорт и обучение, только аннотации, соответствующие активному типу задачи — аннотации для других задач сохраняются и появляются снова при переключении обратно.