Link to this sectionVeri Hazırlığı#
Veri hazırlığı, başarılı bilgisayarlı görü modellerinin temelidir. Ultralytics Platform, eğitim verilerini yüklemeden etiketlemeye ve analize kadar yönetmen için kapsamlı araçlar sunar.
Watch: Get Started with Ultralytics Platform - Data
Link to this sectionGenel Bakış#
Ultralytics Platform'un Veri bölümü şunları yapmana yardımcı olur:
- Yükle: Görüntüleri, videoları ve veri kümesi dosyalarını (ZIP,
.tar.gz/.tgzdahil TAR, NDJSON) - Etiketle: Manuel çizim araçları ve SAM destekli akıllı etiketleme ile — SAM 2.1 veya yeni SAM 3 arasından seçim yap
- Analiz Et: Verilerini istatistikler ve görselleştirmeler ile incele
- Dışa Aktar: Yerel eğitim için NDJSON formatında
Link to this sectionİş Akışı#
graph LR
A[Upload] --> B[Annotate]
B --> C[Analyze]
C --> D[Train]
style A fill:#4CAF50,color:#fff
style B fill:#2196F3,color:#fff
style C fill:#FF9800,color:#fff
style D fill:#9C27B0,color:#fff| Aşama | Açıklama |
|---|---|
| Yükle | Görüntüleri, videoları veya arşivleri otomatik işlemeyle içe aktar |
| Etiketle | Verileri 6 görev türünün tamamı için manuel araçlarla etiketle veya tespit, segmentasyon, semantik ve OBB için SAM etiketlemesini kullan |
| Analiz Et | Sınıf dağılımlarını, uzamsal ısı haritalarını ve boyut istatistiklerini görüntüle |
| Dışa Aktar | Çevrimdışı kullanım için NDJSON formatında indir |
Link to this sectionDesteklenen Görevler#
Ultralytics Platform, 6 YOLO görev türünün tamamını destekler:
| Görev | Açıklama | Etiketleme Aracı |
|---|---|---|
| Tespit (Detect) | Sınırlayıcı kutular (bounding boxes) ile nesne tespiti | Dikdörtgen aracı |
| Segmentasyon (Segment) | Piksel maskeleri ile örnek segmentasyonu | Çokgen aracı |
| Semantik (Semantic) | Sınıf başına piksel bölgeleri ile semantik segmentasyon | Çokgen aracı |
| Poz (Pose) | Dahili ve özel iskelet şablonları ile anahtar nokta tahmini | Anahtar nokta aracı |
| OBB | Döndürülmüş nesneler için yönlendirilmiş sınırlayıcı kutular | Yönlendirilmiş kutu aracı |
| Sınıflandırma (Classify) | Görüntü düzeyinde sınıflandırma | Sınıf seçici |
Görev türü, bir veri kümesi oluşturulurken ayarlanır ve hangi etiketleme araçlarının kullanılabilir olduğunu belirler. Bunu daha sonra veri kümesi başlığındaki görev seçicisinden değiştirebilirsin, ancak geçiş yaptıktan sonra uyumsuz etiketler görüntülenmeyecektir.
Link to this sectionTemel Özellikler#
Link to this sectionAkıllı Depolama#
Ultralytics Platform, verimli veri yönetimi için İçerik Adreslenebilir Depolama (CAS) kullanır:
- Tekilleştirme: Özdeş görüntüler XXH3-128 hashing yöntemiyle sadece bir kez saklanır
- Bütünlük: Hash tabanlı adresleme, veri bütünlüğünü sağlar
- Verimlilik: Optimize edilmiş depolama ve hızlı işleme
Link to this sectionVeri Kümesi URI'leri#
ul:// URI formatını kullanarak veri kümelerine referans ver (bkz. Platform Veri Kümelerini Kullanma):
yolo train data=ul://username/datasets/my-datasetBu, API anahtarın yapılandırılmış herhangi bir makineden platformdaki veri kümeleriyle eğitim yapmanı sağlar.
from ultralytics import YOLO
model = YOLO("yolo26n.pt")
model.train(data="ul://username/datasets/my-dataset", epochs=100)Link to this sectionVeri Kümesi Sürümleme#
Tekrarlanabilir eğitim için veri kümenin değiştirilemez NDJSON anlık görüntülerini oluştur. Her sürüm, oluşturulma anındaki görüntü sayılarını, sınıf sayılarını ve etiket sayılarını yakalar. Ayrıntılar için Sürümler Sekmesi bölümüne bak.
Link to this sectionVeri Kümesi Sekmeleri#
Veri kümesi sayfaları, veri kümesi durumuna ve izinlerine bağlı olarak altıya kadar sekme gösterebilir:
| Sekme | Açıklama |
|---|---|
| Görüntüler | Görüntüleri etiket katmanlarıyla ızgara, kompakt veya tablo görünümünde incele |
| Sınıflar | Sınıf adlarını, renkleri ve sınıf başına etiket sayılarını görüntüle ve düzenle |
| Grafikler | Otomatik istatistikler: bölünme dağılımı, sınıf sayıları, ısı haritaları |
| Modeller | Metrikler ve durumla birlikte bu veri kümesi üzerinde eğitilmiş Modeller |
| Sürümler | Tekrarlanabilir eğitim için değiştirilemez NDJSON anlık görüntüleri oluştur ve indir |
| Hatalar | Hata ayrıntıları ve düzeltme rehberi ile işlenemeyen görüntüler |
Classes and Charts appear when the dataset has images. Errors appears only when processing failures exist. Versions appears for owners, or for non-owners when versions already exist.
Link to this sectionKümeleme#
Veri kümeni, görsel olarak benzer görüntülerin birbirine yakın durduğu etkileşimli bir 2B dağılım grafiği olarak keşfet — kümeleri, kopyaları ve aykırı değerleri ortaya çıkarmak ve bölümlerin veya sınıfların verilerine nasıl dağıldığını incelemek için kullanışlıdır. Galeriyi bu görüntülere filtrelemek için grafiğin bir bölgesini kementle seç. Ayrıntılar için Kümeleme bölümüne bak.
Link to this sectionİstatistikler ve Görselleştirme#
The Charts tab provides automatic analysis including:
- Bölünme Dağılımı: Eğitim/doğrulama/test görüntü sayılarını gösteren halka grafik
- En Çok Görülen Sınıflar: En sık kullanılan etiket sınıflarını gösteren halka grafik
- Görüntü Boyutları: Görüntü genişliği ve yüksekliği dağılımının histogramı (piksel cinsinden)
- Örnek Başına Noktalar: Çokgen köşesi veya anahtar nokta sayısı dağılımı (segment/poz veri kümeleri)
- Etiket Konumları: Sınırlayıcı kutu merkezi konumlarının 2B ısı haritası
- Görüntü Boyutları 2B: En-boy oranı kılavuz çizgileriyle genişlik vs yükseklik için 2B ısı haritası
Link to this sectionHızlı Bağlantılar#
- Veri Kümeleri: Eğitim verilerini yükle, yönet ve dışa aktar
- Etiketleme: Verileri manuel ve yapay zeka destekli araçlarla etiketle
- Bulut Eğitimi: Modelleri etiketli veri kümelerin üzerinde eğit
- Veri Kümesi URI'si: Her yerden eğitim yapmak için
ul://URI'lerini kullan
Link to this sectionSSS#
Link to this sectionYükleme için hangi dosya formatları desteklenir?#
Ultralytics Platform şunları destekler:
Görüntüler: JPEG, PNG, WebP, BMP, TIFF, HEIC, AVIF, JP2, DNG, MPO (her biri en fazla 50MB)
Videolar: MP4, WebM, MOV, AVI, MKV, M4V (en fazla 1GB, kareler 1 FPS hızında çıkarılır, en fazla 100 kare)
Veri kümesi dosyaları: .tar.gz ve .tgz dahil ZIP veya TAR arşivleri (Free üzerinde 10GB, Pro üzerinde 20GB, Enterprise üzerinde 50GB, en fazla) ve isteğe bağlı YOLO formatında etiketler içeren görüntülerin yanı sıra NDJSON dışa aktarımları
Link to this sectionMaksimum veri kümesi boyutu nedir?#
Depolama limitleri planına bağlıdır:
| Plan | Depolama Limiti |
|---|---|
| Ücretsiz | 100 GB |
| Pro | 500 GB |
| Kurumsal | Sınırsız |
Bireysel dosya limitleri: Görüntüler 50MB, Videolar 1GB, veri kümeleri Free'de 10GB / Pro'da 20GB / Enterprise'da 50GB
Link to this sectionPlatform veri kümelerimi yerel eğitim için kullanabilir miyim?#
Evet! Yerel olarak eğitim yapmak için veri kümesi URI formatını kullan:
export ULTRALYTICS_API_KEY="YOUR_API_KEY"
yolo train model=yolo26n.pt data=ul://username/datasets/my-dataset epochs=100Veya tamamen çevrimdışı eğitim için veri kümeni NDJSON formatında dışa aktar.