Veri Kümeleri

Ultralytics Platform veri kümeleri, eğitim verilerinizi yönetmek için kolaylaştırılmış bir çözüm sunar. Yüklendikten sonra, veri kümeleri otomatik işleme ve istatistik üretimi ile model eğitimi için hemen kullanılabilir.

Veri Kümesi Yükleme

Ultralytics Platformu, esneklik için birden fazla yükleme formatını kabul eder.

Desteklenen Formatlar

Veri Kümenizi Hazırlama

Platform, iki ek açıklama formatını ve ham yüklemeleri destekler: Ultralytics YOLO, COCO ve ham (etiketlenmemiş görüntüler):

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

my-coco-dataset/
├── train/
│   ├── _annotations.coco.json
│   ├── img001.jpg
│   └── img002.jpg
└── val/
    ├── _annotations.coco.json
    ├── img003.jpg
    └── img004.jpg

{
    "images": [{ "id": 1, "file_name": "img001.jpg", "width": 640, "height": 480 }],
    "annotations": [{ "id": 1, "image_id": 1, "category_id": 0, "bbox": [100, 50, 200, 300] }],
    "categories": [{ "id": 0, "name": "person" }]
}

Göreve özgü format ayrıntıları için, desteklenen görevlere ve Veri Kümeleri Genel Bakışına bakın.

Yükleme Süreci

1. Şuraya gidin: Datasets kenar çubuğunda
2. Tıklayın New Dataset veya dosyaları yükleme alanına sürükleyin
3. Görev türünü seçin (desteklenen görevler bölümüne bakın)
4. Bir ad ve isteğe bağlı bir açıklama ekleyin
5. Görünürlüğü (genel veya özel) ve isteğe bağlı lisansı ayarlayın (bkz. mevcut lisanslar)
6. Tıklayın Create

Yüklemeden sonra platform, verilerinizi çok aşamalı bir işlem hattı aracılığıyla işler:

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: Biçim ve boyut kontrolleri
2. Normalleştirme: Büyük görüntüler yeniden boyutlandırılır (maks. 4096 piksel, min. boyut 28 piksel)
3. Küçük Resimler: 256 piksel WebP önizlemeleri oluşturuldu
4. Etiket Ayrıştırma: YOLO ve COCO formatındaki etiketler çıkarıldı
5. İstatistikler: Sınıf dağılımları ve görüntü boyutları hesaplandı

from ultralytics.hub import check_dataset

check_dataset("path/to/dataset.zip", task="detect")

Görüntülere Göz At

Veri seti görsellerinizi birden fazla düzende görüntüleyin:

Sıralama ve Filtreleme

Görüntüler, verimli gezinme için sıralanabilir ve filtrelenebilir:

Tam Ekran Görüntüleyici

Tam ekran görüntüleyiciyi açmak için herhangi bir görsele tıklayın, şunları içerir:

• Gezinme: Göz atmak için ok tuşları veya küçük resim önizlemeleri
• Meta Veriler: Dosya adı, boyutlar, bölme rozeti, açıklama sayısı
• Açıklamalar: Açıklama katmanı görünürlüğünü aç/kapat
• Sınıf Dağılımı: Renk göstergeleriyle sınıf başına etiket sayıları
• Düzenle: Etiket eklemek veya değiştirmek için açıklama moduna girin
• İndir: Orijinal görüntü dosyasını indirin
• Sil: Görüntüyü veri kümesinden silin
• Yakınlaştırma: Cmd/Ctrl+Scroll yakınlaştırmak/uzaklaştırmak için
• Piksel görünümü: Yakın inceleme için pikselli oluşturmayı aç/kapat

Bölüme Göre Filtrele

Görselleri veri seti bölmelerine göre filtreleyin:

Veri Kümesi Sekmeleri

Her veri kümesi sayfasında, sekme çubuğundan erişilebilen beş sekme bulunur:

Görseller Sekmesi

Açıklama katmanlarıyla birlikte görüntü galerisini gösteren varsayılan görünüm. Izgara, kompakt ve tablo görünüm modlarını destekler. Daha fazla görüntü eklemek için dosyaları buraya sürükleyip bırakın.

Sınıflar Sekmesi

Veri kümeniz için açıklama sınıflarını yönetin:

• Sınıf histogramı: Doğrusal/logaritmik ölçek geçişi ile sınıf başına açıklama sayısını gösteren çubuk grafik
• Sınıf tablosu: Sınıf adı, etiket sayısı ve görüntü sayısı ile sıralanabilir, aranabilir tablo
• Sınıf adlarını düzenle: Satır içi olarak yeniden adlandırmak için herhangi bir sınıf adına tıklayın
• Sınıf renklerini düzenle: Sınıf rengini değiştirmek için bir renk örneğine tıklayın
• Yeni sınıf ekle: Sınıf eklemek için alttaki girişi kullanın

Grafikler Sekmesi

Veri kümenizden hesaplanan otomatik istatistikler:

Modeller Sekmesi

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

Hatalar Sekmesi

İşlenemeyen görüntüler burada şunlarla listelenmiştir:

• Hata başlığı: Başarısız görüntülerin toplam sayısı ve rehberlik
• Hata tablosu: Dosya adı, kullanıcı dostu hata açıklaması, düzeltme ipuçları ve önizleme küçük resmi
• Yaygın hatalar arasında bozuk dosyalar, desteklenmeyen formatlar, çok küçük görüntüler (min 28 piksel) ve desteklenmeyen renk modları bulunur.

Veri Kümesini Dışa Aktar

Veri kümenizi çevrimdışı kullanım için NDJSON formatında dışa aktarın:

1. Veri kümesi başlığındaki indirme simgesine tıklayın
2. NDJSON dosyası otomatik olarak indirilir

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

{"type": "dataset", "task": "detect", "name": "my-dataset", "description": "...", "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 özellikler için Ultralytics NDJSON formatı belgelerine bakın.

Toplu İşlemler

Tablo görünümünün bağlam menüsünü kullanarak görüntüleri toplu olarak yönetin:

Bölmeye Taşı

Seçilen görüntüleri aynı veri kümesi içindeki farklı bir bölüme yeniden atayın:

1. Tablo görünümüne geçin
2. Onay kutularını kullanarak görüntüleri seçin
3. Bağlam menüsünü açmak için sağ tıklayın
4. Seçin Move to split > Eğit, Doğrulama, veya Test

Görüntüleri ızgara görünümündeki bölme filtresi sekmelerine sürükleyip bırakabilirsiniz.

Toplu Silme

Birden fazla görüntüyü aynı anda silin:

1. Tablo görünümünde görüntüleri seçin
2. Sağ tıklayın ve seçin Delete
3. Silme işlemini onaylayın

Veri Kümesi URI'si

Platform veri setlerine şunları kullanarak referans verin: ul:// URI formatı (bkz. Platform Veri Kümelerini Kullanma):

ul://username/datasets/dataset-slug

Modelleri her yerden eğitmek için bu URI'yi kullanın:

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

from ultralytics import YOLO

model = YOLO("yolo26n.pt")
model.train(data="ul://username/datasets/my-dataset", epochs=100)

Mevcut Lisanslar

Platform, veri kümeleri için aşağıdaki lisansları destekler:

Görünürlük Ayarları

Veri setinizi kimlerin görebileceğini kontrol edin:

Görünürlük, bir veri kümesi oluşturulurken şurada ayarlanır: New Dataset bir geçiş anahtarı kullanılarak iletişim kutusunda. Genel veri kümeleri şurada görünürdür: Keşfet sayfasında bulabilirsiniz.

Veri Kümesini Düzenle

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

• Ad: Veri kümesi adını düzenlemek için tıklayın. Değişiklikler odak kaybında veya otomatik olarak kaydedilir. Enter.
• Açıklama: Düzenlemek için açıklamaya (veya "Açıklama ekle..." yer tutucusuna) tıklayın. Değişiklikler otomatik olarak kaydedilir.
• Görev türü: Farklı bir görev türü seçmek için görev rozetine tıklayın.
• Lisans: Veri kümesi lisansını değiştirmek için lisans seçiciye tıklayın.

Veri Kümesini Klonla

Sahip olmadığınız genel bir veri kümesini görüntülerken, şuraya tıklayın: Clone Dataset çalışma alanınızda bir kopya oluşturmak için. Klon, tüm görüntüleri, ek açıklamaları ve sınıf tanımlarını içerir. Orijinal veri kümesi bir copyleft lisansına sahipse, klon onu devralır ve lisans seçici kilitlenir.

Yıldızla ve Paylaş

• Yıldız: Bir veri kümesini favorilere eklemek için yıldız düğmesine tıklayın. Yıldız sayısı tüm kullanıcılara görünürdür.
• Paylaş: Genel veri kümeleri için, bir bağlantıyı kopyalamak veya sosyal platformlarda paylaşmak için paylaş düğmesine tıklayın.

Veri Kümesini Sil

Artık ihtiyacınız olmayan bir veri kümesini silin:

1. Veri kümesi eylemleri menüsünü açın
2. Tıklayın Delete
3. İletişim kutusunda onaylayın: "Bu işlem [ad] öğesini çöp kutusuna taşıyacak. 30 gün içinde geri yükleyebilirsiniz."

Veri Kümesi Üzerinde Eğitim

Doğrudan veri kümenizden eğitime başlayın:

1. Tıklayın New Model veri kümesi sayfasında
2. Bir proje seçin veya yeni bir proje oluşturun
3. Eğitim parametrelerini yapılandırın
4. Eğitime başlayın

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 Bulut Eğitimi'ne bakın.

SSS

Yüklemeden sonra verilerime ne olur?

Verileriniz seçtiğiniz bölgede (ABD, AB veya AP) işlenir ve depolanır. Görüntüler:

1. Biçim ve boyut için doğrulanmıştır
2. Minimum boyut 28 pikselin altındaysa reddedilir
3. 4096 pikselden büyükse normalleştirilir (en boy oranı korunarak; optimize edilmiş depolama için kodlanmış)
4. XXH3-128 karma ile İçerik Adreslenebilir Depolama (CAS) kullanılarak depolanır
5. Hızlı gezinme için 256 piksel WebP boyutunda oluşturulan küçük resimler

Depolama nasıl çalışır?

Ultralytics Platformu, verimli depolama için İçerik Adreslenebilir Depolama (CAS) kullanır:

• Tekilleştirme: Farklı kullanıcılar tarafından yüklenen aynı görüntüler yalnızca bir kez depolanır
• Bütünlük: XXH3-128 karma işlemi veri bütünlüğünü sağlar.
• Verimlilik: Depolama maliyetlerini azaltır ve işlemeyi hızlandırır
• Bölgesel: Veriler seçtiğiniz bölgede (ABD, AB veya AP) kalır

Mevcut bir veri kümesine görüntü ekleyebilir miyim?

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

Görüntüleri bölümler arasında nasıl taşırım?

Toplu bölmeye taşıma özelliğini kullanın:

1. Tablo görünümünde görüntüleri seçin
2. Sağ tıklayın ve seçin Move to split
3. Hedef bölümü seçin (Eğitim, Doğrulama veya Test)

Hangi etiket formatları desteklenmektedir?

Ultralytics Platformu, yükleme için iki ek açıklama formatını destekler:

📅 1 ay önce oluşturuldu ✏️ 4 gün önce güncellendi

Yorumlar