Link to this sectionVeri Kümeleri#

Ultralytics Platform veri setleri, eğitim verilerini yönetmek için modern ve kolaylaştırılmış bir çözüm sunar. Yükleme sonrasında platform, görselleri, etiketleri ve istatistikleri otomatik olarak işler. Bir veri seti, işleme tamamlandığında ve train ayrımında en az bir görsel, val veya test ayrımında en az bir görsel, en az bir etiketli görsel ve toplamda en az iki görsel içerdiğinde eğitime hazır hale gelir.

Link to this sectionVeri Seti Yükle#

Ultralytics Platform, esneklik sağlamak adına birden fazla yükleme formatını kabul eder.

Link to this sectionDesteklenen Formatlar#

Link to this sectionVeri Setini Hazırlama#

Platform; Ultralytics YOLO, COCO, Ultralytics NDJSON ve ham (etiketlenmemiş) yüklemeleri destekler:

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

Göreve özel format detayları için desteklenen görevlere ve Veri Setlerine Genel Bakış kısmına bak.

Link to this sectionYükleme Süreci#

1. Kenar çubuğundaki Datasets kısmına git
2. New Dataset düğmesine tıkla veya dosyaları yükleme alanına sürükle
3. Görev türünü seç (desteklenen görevlere bak)
4. Bir isim ve isteğe bağlı açıklama ekle
5. Görünürlüğü (herkese açık veya özel) ve isteğe bağlı lisansı ayarla (mevcut lisanslara bak)
6. Create & Upload düğmesine tıkla (boş bir veri seti oluşturuyorsan Create Dataset düğmesine tıkla)

Yüklemeden sonra platform, verilerini çok aşamalı bir işlem hattından geçirir:

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. Doğrulama: Format ve boyut kontrolleri
2. Normalleştirme: Büyük görseller yeniden boyutlandırılır (maksimum 4096 piksel, minimum boyut 28 piksel)
3. Küçük Resimler: 256 piksel WebP önizlemeleri oluşturulur
4. Etiket Ayrıştırma: YOLO ve COCO formatı etiketleri çıkarılır
5. İstatistikler: Sınıf dağılımları ve görsel boyutları hesaplanır

from ultralytics.data.utils import check_det_dataset

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

Link to this sectionGörsellere Göz At#

Veri seti görsellerini birden fazla düzende görüntüle.

Veri setini etkileşimli bir 2D dağılım grafiği olarak keşfetmek için galeri araç çubuğundan Kümeleme panelini aç.

Link to this sectionSıralama ve Filtreleme#

Görseller verimli tarama için sıralanabilir ve filtrelenebilir:

Link to this sectionTam Ekran Görüntüleyici#

Tam ekran görüntüleyiciyi şunlarla açmak için herhangi bir resme tıkla:

• Gezinme: Göz atmak için ok tuşları veya küçük resim önizlemeleri
• Meta Veriler: Dosya adı, boyutlar, bölüm etiketi, açıklama sayısı
• Açıklamalar: Açıklama katmanı görünürlüğünü aç/kapat
• Sınıf Dağılımı: Renk göstergeleriyle sınıf bazlı etiket sayıları
• Düzenle: Etiket eklemek veya değiştirmek için açıklama moduna gir
• İndir: Orijinal resim dosyasını indir
• Sil: Resmi veri kümesinden sil
• Yakınlaştır: Yakınlaştırmak için Cmd/Ctrl+Scroll, Cmd/Ctrl++ veya Cmd/Ctrl+=, uzaklaştırmak için Cmd/Ctrl+- kullan
• Görünümü sıfırla: Resmi görüntüleyiciye sığdırmak için Cmd/Ctrl + 0 veya sıfırlama düğmesini kullan
• Kaydır: Yakınlaştırıldığında tuvali kaydırmak için Space tuşuna basılı tut ve sürükle
• Piksel görünümü: Yakın inceleme için pikselli işlemeyi aç/kapat

Link to this sectionBölüme Göre Filtrele#

Resimleri veri kümesi bölümlerine göre filtrele:

Link to this sectionKümeleme#

Clustering paneli, veri kümeni görsel olarak benzer resimlerin birbirine yakın olduğu etkileşimli bir 2D dağılım grafiğine yansıtır. Bunu kümeleri yüzeye çıkarmak, kopyaları ve aykırı değerleri tespit etmek ve bölümlerin veya sınıfların verilerin boyunca nasıl dağıldığını incelemek için kullan — galeriden ayrılmana gerek kalmadan. Herhangi bir veri kümesi sayfasındaki galeri araç çubuğunda bulunan dağılım grafiği simgesinden açabilirsin.

Link to this sectionAnalizi Çalıştırma#

Bir analiz başlat:

1. Bir veri kümesi aç ve galeri araç çubuğundaki dağılım grafiği simgesine tıkla
2. Analyze Dataset düğmesine tıkla
3. İlerleme çubuğunun bitmesini bekle — sonuçlar aynı panelde görünecektir

Analiz arka planda çalışır ve veri kümenin boyutuna bağlı olarak birkaç dakika sürebilir. Paneli kapatabilir veya sayfadan ayrılıp daha sonra geri gelebilirsin.

Link to this sectionGörselleştirme#

Analiz tamamlandığında, panel analiz edilen tüm resimlerin 2D dağılımını gösterir. Galeri filtreleri (bölüm, sınıf, etiketli/etiketsiz), ilgilendiğin alt kümeye odaklanabilmen için filtre dışındaki noktaları karartır.

Link to this sectionRenklendir#

Panel araç çubuğundaki Color by açılır menüsü ile veri noktalarının nasıl renklendirileceğini değiştir. Görünüm modlarını istediğin zaman değiştir — grafik anında yeniden renklendirilir, böylece bölümlerin, sınıfların veya resim özelliklerinin kümelerin boyunca nasıl dağıldığını görebilirsin:

Link to this sectionKement Seçimi#

Grafik üzerindeki noktaları vurgulamak için bir bölgenin etrafında serbest biçimli bir seçim çiz. Galeri, eşleşen resimlere göre filtrelenir, böylece olağan image operations kullanarak bunları inceleyebilir, yeniden etiketleyebilir, taşıyabilir veya silebilirsin.

Link to this sectionKaydır ve Yakınlaştır#

Büyük dağılımlarda doğrudan faren ve klavyenle gezin:

Link to this sectionYeniden Analiz#

Veri kümen analizden sonra değişirse, sahipler ve editörler için panelin üst kısmında bir Re-analyze düğmesi görünür.

Yerleştirmeleri ve 2D izdüşümü sıfırdan yeniden hesaplamak için Re-analyze düğmesine tıkla.

Link to this sectionVeri Kümesi Sekmeleri#

Her veri kümesi sayfası, veri kümesi durumuna ve izinlerine bağlı olarak altı sekmeye kadar gösterebilir:

Link to this sectionResimler Sekmesi#

Açıklama katmanları içeren resim galerisini gösteren varsayılan görünümdür. Izgara, kompakt ve tablo görünüm modlarını destekler. Daha fazla resim eklemek için dosyaları buraya sürükleyip bırakabilirsin.

Link to this sectionSınıflar Sekmesi#

Bu sekme, veri kümesinde resim olduğunda görünür.

Veri kümen için açıklama sınıflarını yönet:

• Sınıf histogramı: Doğrusal/logaritmik ölçek geçişli, sınıf başına açıklama sayısını gösteren çubuk grafik
• Sınıf tablosu: Sınıf adı, etiket sayısı ve görsel sayısı ile sıralanabilir, aranabilir tablo
• Sınıf adlarını düzenle: Satır içi yeniden adlandırmak için herhangi bir sınıf adına tıkla
• Sınıf renklerini düzenle: Sınıf rengini değiştirmek için bir renk örneğine tıkla
• Yeni sınıf ekle: Sınıfları eklemek için alttaki giriş alanını kullan

Link to this sectionGrafikler Sekmesi#

Bu sekme, veri kümesinde resim olduğunda görünür.

Veri kümenizden otomatik olarak hesaplanan istatistikler:

Link to this sectionModeller Sekmesi#

Bu veri kümesi üzerinde eğitilmiş tüm modelleri aranabilir bir tabloda görüntüle:

Link to this sectionHatalar Sekmesi#

Bu sekme yalnızca bir veya daha fazla dosya işlenemediğinde görünür.

İşlenemeyen görseller şunlarla birlikte listelenir:

• Hata başlığı: Başarısız görsellerin toplam sayısı ve yönlendirme
• Hata tablosu: Dosya adı, kullanıcı dostu hata açıklaması, düzeltme ipuçları ve önizleme küçük resmi
• Yaygın hatalar arasında bozuk dosyalar, desteklenmeyen biçimler, çok küçük görseller (min 28px) ve desteklenmeyen renk modları bulunur

Link to this sectionSürümler Sekmesi#

Tekrarlanabilir eğitim için veri kümenizin değiştirilemez NDJSON anlık görüntülerini oluştur. Her sürüm, oluşturulduğu andaki görsel sayılarını, sınıf sayılarını, açıklama sayılarını ve dosya boyutunu kaydeder.

Sürüm oluşturmak için:

1. Sürümler sekmesini aç
2. İsteğe bağlı olarak bir açıklama gir (örneğin "500 eğitim görseli eklendi" veya "hatalı etiketli sınıflar düzeltildi")
3. + New Version düğmesine tıkla
4. Yeni sürüm tabloda görünür
5. Gerektiğinde sürümü tablodan ayrı olarak indir

Her sürüm sırayla numaralandırılır (v1, v2, v3...) ve kalıcı olarak saklanır. Önceki herhangi bir sürümü sürümler tablosundan istediğin zaman indirebilirsin.

Link to this sectionVeri Kümesini Dışa Aktar#

Veri kümesi başlığından veya Sürümler sekmesinden bir NDJSON indirerek veri kümeni çevrimdışı kullanım için dışa aktar.

Dışa aktarmak için:

1. Veri kümesi başlığındaki Download (indirme simgesi) düğmesine tıkla
2. Güncel NDJSON anlık görüntüsünü doğrudan indir
3. Daha sonra tekrar indirebileceğin, numaralandırılmış ve değiştirilemez bir anlık görüntü istediğinde Versions sekmesini kullan

NDJSON formatı, her satırda bir JSON nesnesi saklar. İlk satır veri kümesi meta verilerini içerir ve ardından her bir görsel için bir satır gelir:

{"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"}

Tam spesifikasyon için Ultralytics NDJSON format belgelerine göz at.

Link to this sectionGörsel İşlemleri#

Link to this sectionHızlı Eylemler#

Hızlı işlemlere erişmek için Grid veya Compact görünümündeki herhangi bir görsele sağ tıkla:

Link to this sectionToplu Bölüme Taşı (Bulk Move to Split)#

Seçili görselleri aynı veri kümesi içinde farklı bir bölüme yeniden ata:

1. Table görünümüne geç
2. Onay kutularını kullanarak görselleri seç
3. Bağlam menüsünü açmak için sağ tıkla
4. Move to split > Train, Validation veya Test seçeneklerinden birini seç

Görselleri ayrıca grid görünümündeki bölüm filtresi sekmelerine sürükleyip bırakabilirsin.

Link to this sectionBölüm Yeniden Dağıtımı (Split Redistribution)#

Tüm görselleri özel oranlar kullanarak train, validation ve test bölümleri arasında yeniden dağıt:

1. Redistribute Splits iletişim kutusunu açmak için veri kümesi araç çubuğundaki split bar öğesine tıkla
2. Bölüm yüzdelerini aşağıdaki yöntemlerden herhangi birini kullanarak ayarla
3. Dağılımı doğrulamak için canlı görsel sayısı önizlemesini incele
4. Tüm görselleri belirlediğin yüzdelere göre rastgele yeniden atamak için Apply düğmesine tıkla

İletişim kutusu, hedef bölüm oranlarını belirlemek için üç yol sunar:

Canlı önizleme, uygulamadan önce her bölüme tam olarak kaç görselin düşeceğini gösterir.

Link to this sectionToplu Silme#

Birden fazla görseli aynı anda sil:

1. Table görünümünde görselleri seç
2. Sağ tıkla ve Delete seçeneğini belirle
3. Silme işlemini onayla

Link to this sectionVeri Kümesi URI'si#

ul:// URI formatını kullanarak Platform veri kümelerine referans ver (Platform Veri Kümelerini Kullanma bölümüne bak):

Modelleri her yerden eğitmek için bu URI'yi kullan:

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

Link to this sectionMevcut Lisanslar#

Platform, veri kümeleri için aşağıdaki lisansları destekler:

Link to this sectionGörünürlük Ayarları#

Veri kümeni kimlerin görebileceğini kontrol et:

Görünürlük, New Dataset iletişim kutusunda bir geçiş anahtarı kullanılarak veri kümesi oluşturulurken ayarlanır. Public veri kümeleri Explore sayfasında görünür olur.

Link to this sectionVeri Kümesini Düzenle#

Veri kümesi meta verileri, veri kümesi sayfasında doğrudan satır içi olarak düzenlenir — iletişim kutusuna gerek yoktur:

• Name: Düzenlemek için veri kümesi adına tıkla. Değişiklikler odaktan çıkıldığında veya Enter tuşuna basıldığında otomatik kaydedilir.
• Description: Düzenlemek için açıklamaya (veya "Add a description..." yer tutucusuna) tıkla. Değişiklikler otomatik kaydedilir.
• Task type: Farklı bir görev tipi seçmek için görev rozetine tıkla.
• License: Veri kümesi lisansını değiştirmek için lisans seçiciye tıkla.

Link to this sectionVeri Kümesini Kopyala#

Sahibi olmadığın herkese açık bir veri kümesini görüntülerken, çalışma alanında bir kopyasını oluşturmak için Clone Dataset (Veri Kümesini Klonla) seçeneğine tıkla. Klon, tüm görüntüleri, açıklamaları ve sınıf tanımlarını içerir. Orijinal veri kümesinin bir copyleft lisansı varsa, klon bunu devralır ve lisans seçici kilitlenir.

Link to this sectionYıldızla ve Paylaş#

• Yıldızla: Bir veri kümesini yer imlerine eklemek için yıldız düğmesine tıkla. Yıldız sayısı tüm kullanıcılar tarafından görülebilir.
• Paylaş: Herkese açık veri kümeleri için, bir bağlantıyı kopyalamak veya sosyal platformlarda paylaşmak üzere paylaş düğmesine tıkla.

Link to this sectionVeri Kümesini Sil#

Artık ihtiyaç duymadığın bir veri kümesini sil:

1. Veri kümesi eylemleri menüsünü aç
2. Delete (Sil) öğesine tıkla
3. İletişim kutusunda onayla: "Bu işlem [name] öğesini çöpe taşıyacaktır. 30 gün içinde geri yükleyebilirsin."

Link to this sectionVeri Kümesi Üzerinde Eğit#

Doğrudan veri kümen üzerinden eğitime başla:

1. Veri kümesi sayfasında New Model (Yeni Model) öğesine tıkla
2. Bir proje seç veya yeni bir tane oluştur
3. Eğitim parametrelerini yapılandır
4. Eğitimi başlat

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

Ayrıntılar için Cloud Training (Bulut Eğitimi) bölümüne bak.

Link to this sectionSSS#

Link to this sectionYüklemeden sonra verilerime ne oluyor?#

Verilerin işlenir ve seçtiğin bölgede (ABD, AB veya AP) saklanır. Görüntüler:

1. Biçim ve boyut için doğrulanır
2. Minimum boyut 28 pikselin altındaysa reddedilir
3. 4096 pikselden büyükse normalleştirilir (en-boy oranı korunur; optimize edilmiş depolama için kodlanır)
4. XXH3-128 hashing ile İçerik Adreslenebilir Depolama (CAS) kullanılarak saklanır
5. Hızlı tarama için 256px WebP formatında küçük resimler oluşturulur

Link to this sectionDepolama nasıl çalışır?#

Ultralytics Platform, verimli depolama için Content-Addressable Storage (CAS) (İçerik Adreslenebilir Depolama) kullanır:

• Tekilleştirme: Farklı kullanıcılar tarafından yüklenen aynı görüntüler yalnızca bir kez saklanır
• Bütünlük: XXH3-128 hashing, veri bütünlüğünü sağlar
• Verimlilik: Depolama maliyetlerini düşürür ve işlemeyi hızlandırır
• Bölgesel: Veriler seçtiğin bölgede (ABD, AB veya AP) kalır

Link to this sectionMevcut bir veri kümesine görüntü ekleyebilir miyim?#

Evet, dosyaları sürükleyip veri kümesi sayfasına bırak veya ek görüntüler eklemek için yükleme düğmesini kullan. Yeni istatistikler otomatik olarak hesaplanacaktır.

Link to this sectionGörüntüleri bölümler arasında nasıl taşırım?#

Toplu bölüme taşıma özelliğini kullan:

1. Table görünümünde görselleri seç
2. Sağ tıkla ve Move to split (Bölüme taşı) seçeneğini seç
3. Hedef bölümü seç (Eğitim, Doğrulama veya Test)

Link to this sectionHangi etiket formatları destekleniyor?#

Ultralytics Platform, YOLO etiketlerini, COCO JSON, Ultralytics NDJSON ve ham görüntü yüklemelerini destekler:

Link to this sectionAynı veri kümesini birden fazla görev türü için etiketleyebilir miyim?#

Evet. Her görüntü, 6 görev türünün tümü (algılama, segmentasyon, anlamsal, poz, OBB, sınıflandırma) için açıklamaları bir arada saklar. Veri kümesinin aktif görev türünü mevcut açıklamaları kaybetmeden istediğin zaman değiştirebilirsin. Yalnızca aktif görev türüyle eşleşen açıklamalar düzenleyicide gösterilir ve dışa aktarmalara ve eğitime dahil edilir; diğer görevlere ait açıklamalar korunur ve tekrar geri döndüğünde yeniden görünür.