Veri setleri

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

Veri Seti Yükle

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

Desteklenen Formatlar

Veri 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 bölümüne göz at.

Yükleme Süreci

1. Yan çubukta Datasets kısmına git
2. New Dataset butonuna tıkla veya dosyaları yükleme alanına sürükle
3. Görev türünü seç (bakınız: desteklenen görevler)
4. Bir isim ve isteğe bağlı açıklama ekle
5. Görünürlüğü (herkese açık veya özel) ve isteğe bağlı lisansı ayarla (bakınız: mevcut lisanslar)
6. Create butonuna tıkla

Yüklemeden sonra platform verilerini çok aşamalı bir süreçten 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 görüntüler yeniden boyutlandırılır (maksimum 4096 piksel, minimum kenar 28 piksel)
3. Küçük Resimler: 256 piksel WebP önizlemeleri oluşturulur
4. Etiket Ayrıştırma: YOLO ve COCO formatındaki etiketler çıkarılır
5. İstatistikler: Sınıf dağılımları ve görüntü boyutları hesaplanır

from ultralytics.data.utils import check_det_dataset

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

Görüntülere Göz At

Veri seti görüntülerini birden fazla düzende görüntüle.

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

Sıralama ve Filtreleme

Görüntüler verimli bir şekilde göz atmak için sıralanabilir ve filtrelenebilir:

Tam Ekran Görüntüleyici

Tam ekran görüntüleyiciyi şunlarla açmak için herhangi bir görsele tıkla:

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

Bölünmeye Göre Filtrele

Görüntüleri veri kümesi bölünmelerine göre filtrele:

Kümeleme

Clustering paneli, veri kümeni görsel olarak benzer görüntülerin bir arada bulunduğu etkileşimli bir 2B dağılım grafiğine yansıtır. Bunu kümeleri ortaya çıkarmak, kopyaları ve aykırı değerleri tespit etmek ve verilerin genelinde bölünmelerin veya sınıfların nasıl dağıldığını incelemek için kullan; üstelik galeriden ayrılmana gerek kalmadan. Herhangi bir veri kümesi sayfasındaki galeri araç çubuğunda bulunan dağılım grafiği simgesinden açabilirsin.

Analiz Çalıştırma

Bir analiz başlat:

1. Bir veri kümesi aç ve galeri araç çubuğundaki dağılım grafiği simgesine tıkla
2. Analyze Dataset butonuna 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.

Görselleştirme

Analiz tamamlandığında panel, analiz edilen tüm görüntülerin 2B dağılımını gösterir. Galeri filtreleri (split, class, labeled/unlabeled), ilgilendiğin alt küme üzerinde odaklanabilmen için filtre dışı noktaları karartır.

Şuna Göre Renklendir

Panel araç çubuğundaki Color by açılır menüsü ile veri noktalarının nasıl renklendirileceğini değiştir. Görünüm modlarını istediğin zaman değiştir; bölünmelerin, sınıfların veya görüntü özelliklerinin kümelerin genelinde nasıl dağıldığını görebilmen için grafik anında yeniden renklendirilir:

Kement Seçimi

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

Kaydır ve Yakınlaştır

Büyük dağılımlar arasında doğrudan faren ve klavyenle gezin:

Yeniden Analiz

Analizden sonra veri kümen değişirse, panelin üst kısmında sahipler ve editörler için bir Re-analyze butonu görünür.

Gömüleri ve 2B projeksiyonu sıfırdan yeniden hesaplamak için Re-analyze butonuna tıkla.

Veri Kümesi Sekmeleri

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

Görüntüler Sekmesi

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

Sınıflar Sekmesi

Bu sekme, veri kümesinde görüntüler olduğunda görünür.

Veri kümen için açıklama sınıflarını yönet:

• Sınıf histogramı: Doğrusal/logaritmik ölçek geçişli, sınıfa göre açıklama sayısını gösteren çubuk grafik
• Sınıf tablosu: Sınıf adı, etiket sayısı ve görüntü sayısı içeren, sıralanabilir ve aranabilir tablo
• Sınıf adlarını düzenle: Yeniden adlandırmak için herhangi bir sınıf adına tıkla
• Sınıf renklerini düzenle: Sınıf rengini değiştirmek için bir renk örneğine tıkla
• Yeni sınıf ekle: Sınıf eklemek için alttaki girdi alanını kullan

Grafikler Sekmesi

Bu sekme, veri kümesinde görüntüler olduğunda görünür.

Veri setinizden otomatik olarak hesaplanan istatistikler:

Modeller Sekmesi

Bu veri setinde eğitilen tüm modelleri aranabilir bir tabloda görüntüle:

Hatalar Sekmesi

Bu sekme yalnızca bir veya daha fazla dosya işlenemediğinde görünür.

İşlenemeyen görseller şunlarla birlikte listelenir:

• Hata başlığı: Toplam hatalı görsel sayısı ve rehberlik
• Hata tablosu: Dosya adı, kullanıcı dostu hata açıklaması, çözüm ipuçları ve önizleme küçük resmi
• Yaygın hatalar arasında bozuk dosyalar, desteklenmeyen formatlar, çok küçük görseller (min 28px) ve desteklenmeyen renk modları bulunur

Sürümler Sekmesi

Tekrarlanabilir eğitim için veri setinizin değiştirilemez NDJSON anlık görüntülerini oluştur. Her sürüm oluşturulduğu andaki görsel sayısını, sınıf sayısını, etiket sayısını ve dosya boyutunu kaydeder.

Bir sürüm oluşturmak için:

1. Sürümler sekmesini aç
2. İsteğe bağlı olarak bir açıklama gir (örn. "500 eğitim görseli eklendi" veya "Yanlış etiketlenmiş sınıflar düzeltildi")
3. + Yeni Sürüm 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. İstediğin önceki sürümü istediğin zaman sürümler tablosundan indirebilirsin.

Veri Setini Dışa Aktar

Veri setinizi çevrimdışı kullanım için veri seti başlığından veya Sürümler sekmesinden bir NDJSON indirmesi ile dışa aktar.

Dışa aktarmak için:

1. Veri seti başlığındaki Dışa Aktar düğmesine tıkla
2. Mevcut NDJSON anlık görüntüsünü doğrudan indir
3. Daha sonra yeniden indirebileceğiniz, değiştirilemez ve numaralandırılmış bir anlık görüntü istediğinde Sürümler sekmesini kullan

NDJSON formatı, satır başına bir JSON nesnesi saklar. İlk satır veri seti meta verilerini içerir, ardından her görsel 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 teknik özellikler için Ultralytics NDJSON format dokümantasyonuna bak.

Görsel İşlemleri

Hızlı İşlemler

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

Toplu Ayrım Taşıma

Seçili görüntüleri aynı veri seti içindeki farklı bir ayrıma yeniden atayın:

1. Tablo görünümüne geçin
2. Onay kutularını kullanarak görüntüleri seçin
3. İçerik menüsünü açmak için sağ tıklayın
4. Choose Move to split > Train, Validation, or Test

Ayrıca ızgara görünümündeki ayrım filtresi sekmelerine görüntüleri sürükleyip bırakabilirsiniz.

Ayrım Yeniden Dağıtımı

Tüm görüntüleri özel oranlar kullanarak train, validation ve test ayrımları arasında yeniden dağıtın:

1. Redistribute Splits (Ayrımları Yeniden Dağıt) iletişim kutusunu açmak için veri seti araç çubuğundaki ayrım çubuğuna tıklayın
2. Ayrım yüzdelerini aşağıdaki yöntemlerden herhangi birini kullanarak ayarlayın
3. Dağılımı onaylamak için canlı görüntü sayısı önizlemesini inceleyin
4. Tüm görüntüleri yüzdelerinize göre rastgele yeniden atamak için Apply (Uygula) düğmesine tıklayın

İletişim kutusu, hedef ayrım oranlarınızı belirlemek için üç yol sunar:

Canlı bir önizleme, uygulamadan önce her bir ayrıma tam olarak kaç görüntünün düşeceğini gösterir.

Toplu Silme

Birden fazla görüntüyü aynı anda silin:

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

Veri Seti URI'si

Platform veri setlerine ul:// URI formatını kullanarak referans verin (bkz: Platform Veri Setlerini Kullanma):

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

Kullanılabilir Lisanslar

Platform, veri setleri için aşağıdaki lisansları destekler:

Görünürlük Ayarları

Veri setinizi kimlerin görebileceğini kontrol edin:

Görünürlük, New Dataset iletişim kutusunda bir geçiş anahtarı kullanılarak ayarlanır. Genel veri setleri Keşfet (Explore) sayfasında görülebilir.

Veri Setini Düzenle

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

• İsim: Düzenlemek için veri seti adına tıklayın. Değişiklikler odak dışı kalındığında veya Enter tuşuna basıldığında otomatik kaydedilir.
• Açıklama: Düzenlemek için açıklamaya (veya "Add a description..." yer tutucusuna) tıklayın. Değişiklikler otomatik kaydedilir.
• Görev türü: Farklı bir görev türü seçmek için görev rozetine tıklayın.
• Lisans: Veri seti lisansını değiştirmek için lisans seçiciye tıklayın.

Veri Setini Klonla

Sahibi olmadığınız genel bir veri setini görüntülerken, çalışma alanınızda bir kopya oluşturmak için Clone Dataset (Veri Setini Klonla) seçeneğine tıklayın. Klon, tüm görüntüleri, açıklamaları ve sınıf tanımlarını içerir. Orijinal veri seti bir copyleft lisansına sahipse, klon bunu devralır ve lisans seçici kilitlenir.

Yıldızla ve Paylaş

• Yıldızla: Bir veri setini yer imlerine eklemek için yıldız düğmesine tıklayın. Yıldız sayısı tüm kullanıcılar tarafından görülebilir.
• Paylaş: Genel veri setleri için bir bağlantıyı kopyalamak veya sosyal platformlarda paylaşmak için paylaş düğmesine tıklayın.

Veri Setini Sil

Artık ihtiyaç duymadığınız bir veri setini silin:

1. Veri seti işlemler menüsünü açın
2. Delete (Sil) düğmesine tıklayın
3. İletişim kutusunda onaylayın: "Bu işlem [name] öğesini çöp kutusuna taşıyacaktır. 30 gün içinde geri yükleyebilirsiniz."

Veri Seti ile Eğit

Eğitime doğrudan veri setinden başla:

1. Click New Model on the dataset page
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 Bulut Eğitimi bölümüne bak.

SSS

Yüklemeden sonra verilerime ne olur?

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

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

Depolama nasıl çalışır?

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

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

Mevcut bir veri setine görüntü ekleyebilir miyim?

Evet, dosyaları sürükleyip veri seti sayfasına bırakabilir veya ek görüntüler yüklemek için yükleme butonunu kullanabilirsin. Yeni istatistikler otomatik olarak hesaplanır.

Görüntüleri bölümler arasında nasıl taşırım?

Toplu bölüme taşıma özelliğini kullan:

1. Tablo görünümünde görüntüleri seçin
2. Right-click and choose Move to split
3. Hedef bölümü seç (Eğitim, Doğrulama veya Test)

Hangi etiket formatları destekleniyor?

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

Aynı veri setini birden fazla görev türü için etiketleyebilir miyim?

Evet. Her görüntü, 5 görev türünün (tespit, bölütleme, pose, OBB, sınıflandırma) tümü için ek açıklamaları bir arada saklar. Veri setinin aktif görev türünü, mevcut ek açıklamaları kaybetmeden istediğin zaman değiştirebilirsin. Yalnızca aktif görev türüyle eşleşen ek açıklamalar düzenleyicide gösterilir ve dışa aktarmalara ve eğitime dahil edilir; diğer görevler için olan ek açıklamalar korunur ve geri değiştirdiğinde tekrar görünür hale gelir.