Наборы данных#

Датасеты Ultralytics Platform представляют собой готовое решение для управления обучающими данными. После загрузки платформа автоматически обрабатывает изображения, разметку и статистику.

Датасет готов к обучению, как только завершится обработка и в нем появится хотя бы одно изображение в выборке train, хотя бы одно изображение в выборке val или test, а также хотя бы одно размеченное изображение. Заголовок датасета отображает значок Ready, когда выполнены все три условия, и значок Not Ready в противном случае — нажми на значок, чтобы увидеть, какое именно условие не выполнено.

Загрузить датасет#

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

Поддерживаемые форматы#

Поддержка видеокодеков#

Само по себе расширение файла не гарантирует успех: видео все равно может не пройти обработку, если его кодек не удается декодировать.

ffmpeg -i input.mov \
  -c:v libx264 -pix_fmt yuv420p \
  -c:a aac -movflags +faststart \
  output.mp4

Подготовка датасета#

Платформа поддерживает Ultralytics YOLO, COCO, датасеты глубины, Ultralytics NDJSON и сырые (неразмеченные) загрузки:

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

Если разметка ссылается на ID классов, но имена классов не указаны, Platform генерирует общие имена-заглушки (class0, class1, …), которые ты сможешь переименовать позже на вкладке «Классы».

Подробности о форматах для конкретных задач см. в разделах поддерживаемые задачи и Обзор датасетов.

Процесс загрузки#

Чтобы создать датасет:

1. Перейди в Annotate на боковой панели
2. Нажми New Dataset
3. Выбери вкладку источника данных (см. Источники данных ниже)
4. Укажи имя (URL-слаг создается автоматически, его можно изменить), а также добавь описание по желанию
5. Выбери тип задачи (см. поддерживаемые задачи), лицензию (опционально, см. доступные лицензии) и видимость (публичный или приватный)
6. Нажми Create & Upload для локальных файлов, Create & Import для URL или подключенного источника либо Create Dataset, чтобы начать с пустого датасета

Чтобы добавить файлы в существующий датасет, открой его страницу и либо перетащи файлы в галерею, либо нажми значок загрузки в шапке страницы. Значок загрузки открывает нативный выбор файлов твоего браузера напрямую, так как задача датасета уже определена.

Источники данных#

Диалоговое окно New Dataset предлагает четыре источника:

До начала загрузки#

Platform проверяет файлы в браузере перед началом любой загрузки, поэтому распространенные проблемы выявляются сразу, а не после долгой передачи данных. Архивы проверяются на повреждения, отсутствие файлов, защиту паролем и синтаксические ошибки YAML, а слишком большие файлы выводятся списком по именам.

После этого могут появиться два диалоговых окна:

После загрузки платформа автоматически обрабатывает твои данные:

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

    classDef start fill:#4CAF50,color:#fff
    classDef proc fill:#2196F3,color:#fff
    classDef out fill:#9C27B0,color:#fff

1. Валидация: Проверка формата и размера
2. Нормализация: крупные изображения масштабируются (максимум 4096 пикселей, минимальная сторона 28 пикселей), оттенки серого преобразуются в RGB, прозрачность сводится на белом фоне, а также применяется EXIF-ориентация
3. Миниатюры: Создаются превью в формате WebP размером 256px
4. Разбор разметки: извлекаются данные разметки YOLO, COCO и NDJSON
5. Статистика: Вычисляются распределения классов и размеры изображений

from ultralytics.data.utils import check_det_dataset

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

Обзор изображений#

Просматривай изображения своего датасета в различных макетах.

Открой панель Clustering на панели инструментов галереи, чтобы изучить свой датасет в виде интерактивной двумерной диаграммы рассеяния.

Сортировка и фильтрация#

Изображения можно сортировать и фильтровать для эффективного просмотра:

Полноэкранный просмотрщик#

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

• Навигация: клавиши со стрелками или миниатюры для просмотра
• Информация об изображении: просмотр сгенерированных Platform свойств, пользовательских метаданных и встроенных метаданных файла, таких как EXIF
• Пользовательские метаданные: Владельцы и редакторы могут добавлять или заменять JSON-объект, включая вложенные значения размером до 500 000 сериализованных символов и ключи верхнего уровня длиной до 128 символов
• Аннотации: переключение видимости слоя аннотаций
• Распределение классов: количество разметок по классам с цветовыми индикаторами
• Annotate: Когда у тебя есть права на редактирование, элементы управления разметкой активируются сразу после открытия средства просмотра на полный экран на десктопе
• 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 мышью для перемещения холста при масштабировании
• Пиксельный вид: включение пиксельного рендеринга для детального изучения
• Шторка глубины: на датасетах глубины перетаскиваемый разделитель стирает границы между RGB-изображением и его цветной картой глубины

Фильтр по сплиту#

Фильтрация изображений по их сплиту в наборе данных:

Кластеризация#

Панель Clustering проецирует твой датасет на интерактивную двумерную диаграмму рассеяния, где визуально похожие изображения располагаются близко друг к другу. Используй её для выявления кластеров, поиска дубликатов и выбросов, а также для проверки распределения сплитов и классов по твоим данным — не покидая галерею. Открой её с помощью значка графика рассеяния на панели инструментов галереи на любой странице датасета.

Запуск 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 в два этапа (Computing embeddings и Clustering) и может занять несколько минут в зависимости от размера твоего датасета. Ты можешь закрыть панель или покинуть страницу и вернуться позже.

Визуализация#

После завершения анализа на панели отображается двумерная диаграмма рассеяния всех проанализированных изображений с легендой и счетчиком точек. Фильтры галереи (выборка, класс, размеченные/неразмеченные) затемняют точки вне фильтра, чтобы ты мог сосредоточиться на нужной подгруппе — счетчик при этом показывает visible / total points.

Раскраска по#

Измени способ раскраски точек данных с помощью выпадающего списка Color by на панели инструментов. Переключай режимы отображения в любой момент — график мгновенно меняет цвета, позволяя увидеть, как сплиты, классы или свойства изображений распределены по твоим кластерам:

Выделение лассо#

Нарисуй произвольную область выделения вокруг региона, чтобы подсветить точки на графике. Галерея отфильтрует подходящие изображения, и ты сможешь просмотреть их, переразметить, переместить или удалить, используя привычные операции с изображениями.

Панорамирование и масштабирование#

Управляй большими диаграммами рассеяния с помощью мыши и клавиатуры либо кнопками масштабирования в левом нижнем углу графика:

Повторный анализ#

Если твой датасет изменился после анализа (поступили новые изображения или количество проанализированных элементов больше не совпадает с датасетом), в верхней части панели для владельцев и редакторов появляется кнопка Re-analyze.

Нажми Re-analyze, чтобы пересчитать векторные представления (эмбеддинги) и 2D-проекцию с нуля.

Вкладки набора данных#

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

Вкладка Images#

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

Вкладка Classes#

Эта вкладка появляется, когда в датасете есть изображения, а для его задачи заданы классы.

Управляй классами аннотаций для своего набора данных:

• Гистограмма классов: столбчатая диаграмма, показывающая количество разметок по классам, отсортированная по частоте, с переключателем линейной/логарифмической шкалы
• Таблица классов: таблица с возможностью сортировки и поиска, содержащая индекс, имя, количество разметок 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.
• Объединить классы: выбери две или более строки и нажми Merge into one
• Удалить классы: выбери одну или более строк и нажми Delete

Объединение классов#

Объединение консолидирует дублирующиеся или пересекающиеся метки — например, сводит car, automobile и vehicle в один класс:

1. Выбери два или более классов с помощью флажков в строках
2. Нажми Merge into one в заголовке таблицы или кликни правой кнопкой мыши по выделению
3. Выбери, в какой из выбранных классов (целевой) будут объединены остальные
4. Подтверди действие

Каждая разметка, принадлежащая исходным классам, переназначается целевому классу, а исходные классы удаляются. Никакие аннотации не удаляются, поэтому общее количество разметок в датасете остается неизменным.

Удаление классов#

1. Выбери один или более классов с помощью флажков в строках
2. Нажми Delete в заголовке таблицы или кликни правой кнопкой мыши по выделению
3. Подтверди действие

Удаление класса приводит к удалению самого класса и всей его разметки. Для датасетов классификации метки удаляются, но изображения остаются, становясь неразмеченными.

Вкладка «Графики»#

Эта вкладка появляется, когда в наборе данных есть изображения.

Автоматическая статистика, рассчитанная для твоего набора данных:

Графики отображаются в указанном порядке, и каждый из них скрывается, если в датасете нет соответствующих данных: датасет с исходными изображениями не показывает графики разметки, а Points per Instance появляется только для данных сегментации и поз:

Вкладка «Модели»#

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

Вкладка «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

Вкладка «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 Создать версию
4. Новая версия появится в таблице

Каждая версия нумеруется последовательно (v1, v2, v3...) и является неизменяемой — версии нельзя редактировать или удалять, можно лишь менять их описание. Используй действия в строке, чтобы скачать или восстановить любую версию в любой момент.

Экспортировать 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 один объект JSON на каждую строку. Первая строка содержит метаданные датасета, за ней 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", "metadata": {"location": {"site": "factory-1"}, "reviewed": true}, "annotations": {"boxes": [[0, 0.5, 0.5, 0.2, 0.3]]}}
{"type": "image", "file": "img002.jpg", "url": "https://...", "width": 1280, "height": 720, "split": "val"}

Необязательный объект metadata на уровне изображения сохраняется при импорте NDJSON-файла в Platform. Ты можешь просмотреть или отредактировать его на полноэкранной информационной панели изображения. Для программной загрузки архивов API добавления данных датасета принимает эквивалентную карту путей imageMetadata.

Датасеты поз также содержат поле kpt_shape в строке заголовка датасета, которое вычисляется из разметки, если оно еще не задано.

Экспорт глубин объявляет "task": "depth" и "depth_scale": 1000 в строке датасета. Каждая строка изображения включает depth.url для парного простого 16-битного PNG. Ultralytics загружает URL-адреса изображений и глубин одновременно и записывает обучающий файл YAML с тем же масштабом, поэтому файл NDJSON можно напрямую передать в model.train(data=...).

Полную спецификацию см. в документации по формату Ultralytics NDJSON.

Операции с изображениями#

Быстрые действия#

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

Массовое 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 фильтров выборок в режиме сетки. Если перемещение изображения приведет к конфликту с идентичным изображением, уже находящимся в целевой выборке, Platform спросит, нужно ли пропустить файл, оставить оба или заменить.

Перераспределение 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 пропорций сплитов:

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

Массовое удаление#

Удали несколько изображений за раз:

1. Выбери изображения в режиме таблицы
2. Нажми правой кнопкой мыши и выбери Delete, либо нажми Cmd/Ctrl+Delete
3. Подтверди удаление

URI набора данных#

Ссылайся на датасеты Platform, используя формат URI ul:// (см. раздел Использование датасетов платформы):

ul://username/datasets/dataset-slug

Ты также можешь напрямую вставить веб-URL датасета или модели (например, https://platform.ultralytics.com/username/datasets/dataset-slug); он автоматически преобразуется в URI ul://. Передача списка датасетов выполняет дообучение одной базовой модели на каждом из них последовательно, например model.train(data=["ul://username/datasets/a", "ul://username/datasets/b"]).

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

Доступные лицензии#

Platform поддерживает следующие лицензии для наборов данных:

Настройки видимости#

Контролируй, кто может видеть твой набор данных:

Видимость устанавливается при создании датасета в диалоговом окне New Dataset с помощью переключателя. Публичные датасеты видны на странице Explore.

Редактирование набора данных#

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

• Имя: Нажми на имя датасета, чтобы отредактировать его. Изменения сохраняются автоматически при потере фокуса или нажатии Enter. Длина имени ограничена 100 символами.
• Описание: Нажми на описание (или плейсхолдер "Add a description..."), чтобы отредактировать его. Изменения сохраняются автоматически. Описание ограничено 1 000 символов.
• Task type: Нажми на значок задачи, чтобы выбрать другой тип задачи.
• License: Нажми на селектор лицензии, чтобы изменить лицензию набора данных.
• Иконка: Нажми на иконку датасета, чтобы загрузить собственное изображение, сделать одно из изображений датасета иконкой или выбрать букву и цвет.

Пользовательские метаданные#

Открой Ещё действия и выбери Информация, чтобы просмотреть два раздела:

• Метаданные Ultralytics: Сведения о Platform только для чтения, такие как ID датасета, владелец, задача, количество изображений и аннотаций, регион хранения и временные метки
• Пользовательские метаданные: Твой собственный JSON-объект для отслеживания происхождения, условий съёмки, ID клиентов, управления или других контекстных данных

Наблюдатели рабочей области могут просматривать метаданные, в то время как участники с правом редактирования могут заменять объект пользовательских метаданных. Сериализованный объект метаданных ограничен 500 000 символов, а каждый ключ верхнего уровня ограничен 128 символами. Сохрани пустой объект ({}), чтобы очистить пользовательские метаданные.

Клонирование набора данных#

При просмотре публичного датасета, владельцем которого ты не являешься, нажми Clone Dataset, чтобы открыть диалоговое окно клонирования. Проверь целевой воркспейсе, название, видимость и лицензию, а затем подтверди клонирование. Копия включает все изображения, аннотации и определения классов. Публичные исходные датасеты по умолчанию остаются публичными в воркспейсах, где видимость по умолчанию — публичная; клоны в корпоративных воркспейсах по умолчанию приватные. Если оригинальный датасет имеет лицензию copyleft, клон наследует её, и выбор лицензии будет заблокирован.

Целевой ярлык (slug) автоматически переименовывается, если он уже занят, а для клонирования требуется достаточно свободного дискового пространства под копию.

Отметить и поделиться#

• Star: Нажми кнопку со звездочкой, чтобы добавить набор данных в закладки. Количество отметок звездочкой видно всем пользователям.
• Поделиться: Для публичных датасетов нажми кнопку «Поделиться», чтобы скопировать ссылку, получить код для вставки или поделиться в соцсетях.

Удалить набор данных#

Удаление набора данных, который тебе больше не нужен:

1. Открой Другие действия (кнопка …) в заголовке датасета
2. Выбери Удалить датасет
3. Подтверди действие в диалоговом окне: "Это переместит [name] в корзину. Ты сможешь восстановить его в течение 30 дней."

В этом же меню находится пункт Информация, открывающий диалоговое окно метаданных, описанное в разделе Пользовательские метаданные, а также пункт Обновить, который перезагружает датасет с сервера.

Обучение на наборе данных#

Начни обучение прямо из своего набора данных:

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

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

    classDef start fill:#4CAF50,color:#fff
    classDef proc fill:#2196F3,color:#fff
    classDef out fill:#9C27B0,color:#fff

Подробности см. в разделе Облачное обучение.

FAQ#