Veri Kümeleri#

Ultralytics Platform veri kümeleri, eğitim verilerini yönetmek için kolaylaştırılmış bir çözüm sunar. Platform, yüklemeden sonra görüntüleri, etiketleri ve istatistikleri otomatik olarak işler.

İşleme tamamlandıktan sonra veri kümesi, train bölümünde en az bir görüntü, val veya test bölümlerinden en az birinde en az bir görüntü ve en az bir etiketli görüntü varsa eğitime hazırdır. Bu üç koşulun tümü karşılandığında veri kümesi başlığında Ready rozeti, aksi durumda Not Ready rozeti görünür — hangi koşulun eksik olduğunu tam olarak görmek için rozete tıkla.

Aracılarla Görüntü Topla#

Bir model algılaması seçilen aralıktaki güven skoru gibi bir koşulu karşıladığında veri kümesine görüntü eklemek için Aracıları kullan. Koşulu bir Veri Kümesi bloğuna bağla ve düzenleyebileceğin bir hedef seç. Görüntüler etiketsiz olarak train bölümüne gelir; mevcut kopyalar atlanır. Görüntüleri mevcut açıklama düzenleyicisiyle incele ve etiketle.

Veri Kümesi Yükle#

Ultralytics Platform, esneklik sağlamak için birden fazla yükleme biçimini kabul eder.

Desteklenen Biçimler#

Video Kodeği Desteği#

Tek başına dosya uzantısı yeterli değildir: İşleme sırasında kodeği çözülemezse video yine de işlenemeyebilir.

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

Veri Kümeni Hazırlama#

Platform; Ultralytics YOLO, COCO, LabelMe JSON, anlamsal PNG maskeleri, derinlik veri kümeleri, Ultralytics NDJSON ve Labelbox NDJSON biçimlerinin yanı sıra ham (açıklama eklenmemiş) 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

Etiketler sınıf kimliklerine başvuruyor ancak sınıf adları sağlanmıyorsa Platform, kimlikleri 0'dan başlayan sıralı bir dizide yeniden eşler ve her sınıfa kaynak kimliğini temel alan bir ad verir (class0, class3, …); bu adları daha sonra Sınıflar sekmesinde değiştirebilirsin.

Göreve özgü biçim ayrıntıları için desteklenen görevlere ve Veri Kümelerine Genel Bakış sayfasına bak.

Veri kümesi oluşturmak için:#

Bir veri kümesi oluşturmak için:

1. Kenar çubuğunda Annotate konumuna git.
2. New Dataset öğesine tıkla
3. Bir veri kaynağı sekmesi seç (Veri Kaynakları bölümüne bak).
4. Bir ad ekle — URL slug'ı otomatik olarak oluşturulur ve düzenlenebilir — ayrıca isteğe bağlı bir açıklama ekle.
5. Görev türünü (desteklenen görevler bölümüne bak), isteğe bağlı bir lisansı (kullanılabilir lisanslar bölümüne bak) ve görünürlüğü (genel veya özel) seç.
6. Yerel dosyalar için Create & Upload, bir URL veya bağlı kaynak için Create & Import seçeneğine tıkla ya da boş başlamak için Create Dataset seçeneğine tıkla.

Mevcut bir veri kümesine dosya eklemek için veri kümesi sayfasını açıp dosyaları galeriye sürükle veya sayfa başlığındaki yükleme simgesine tıkla. Veri kümesinin görevi zaten tanımlı olduğundan yükleme simgesi, tarayıcının yerel dosya seçicisini doğrudan açar.

Veri Kaynakları#

New Dataset iletişim kutusu dört kaynak sunar:

URL İçe Aktarma Sınırları

Platform, herhangi bir dosyayı yüklemeden önce dosyalarını tarayıcıda doğrular. Böylece yaygın sorunlar uzun bir aktarımın ardından değil, hemen ortaya çıkar. Arşivler bozulma, boş olma, parola koruması ve YAML söz dizimi hataları açısından denetlenir; boyutu aşan dosyalar adlarıyla listelenir.#

Ardından iki iletişim kutusu görünebilir:

Sınıfları Eşle

Doğrulama: Biçim ve boyut denetimleri

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. Normalleştirme: Büyük görüntüler yeniden boyutlandırılır (en fazla 4096px, en kısa kenar en az 28px), gri tonlamalı görüntüler RGB'ye genişletilir, saydamlık beyaz arka plan üzerinde düzleştirilir ve EXIF yön bilgisi uygulanır; TIFF kaynakları yüklendikleri biçimde saklanır
2. Küçük resimler: 256px WebP önizlemeleri oluşturulur
3. Küçük resimler: 256px WebP önizlemeleri oluşturulur
4. Etiket Ayrıştırma: YOLO, COCO, LabelMe ve Ultralytics veya Labelbox NDJSON etiketleri çıkarılır
5. Saklanan Görüntü Kodlaması

from ultralytics.data.utils import check_det_dataset

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

Veri kümesi görüntülerini birden çok düzende görüntüle.#

Veri kümesi görüntülerini birden fazla düzende görüntüle.

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

Verimli bir şekilde göz atmak için görüntüler sıralanabilir ve filtrelenebilir:#

Sıralama Seçenekleri

Şunların bulunduğu tam ekran görüntüleyiciyi açmak için herhangi bir görüntüye tıkla:#

Gezinme: Göz atmak için ok tuşlarını veya küçük resim önizlemelerini kullan

• Görüntü bilgileri: Platform tarafından oluşturulan özellikleri, özel meta verileri ve EXIF gibi gömülü dosya meta verilerini incele
• Görüntü bilgileri: Platform tarafından oluşturulan özellikleri, özel meta verileri ve EXIF gibi dosyaya gömülü meta verileri incele.
• Özel meta veriler: Sahipler ve editörler, iç içe değerler dahil olmak üzere serileştirilmiş karakter sayısı 500.000'e ve üst düzey anahtar uzunluğu 128 karaktere kadar olan bir JSON nesnesi ekleyebilir veya değiştirebilir.
• Ek açıklamalar: Ek açıklama katmanının görünürlüğünü açıp kapat
• Sınıf Dağılımı: Renk göstergeleriyle sınıf başına etiket sayıları
• Ek Açıklama Ekle: Düzenleme erişimin varsa, masaüstünde tam ekran görüntüleyici açıldığında ek açıklama kontrolleri hemen etkinleşir.
• Yüzleri bulanıklaştır: Kullanılabilir olduğunda görüntüye yüz bulanıklığını önizlemek ve uygulamak için bir ek açıklamaya sağ tıkla.
• İndir: Orijinal görüntü dosyasını indir
• Sil: Görüntüyü veri kümesinden sil
• Yakınlaştır: Yakınlaştırmak için Cmd/Ctrl+Scroll, Cmd/Ctrl++ veya Cmd/Ctrl+= tuşlarına, uzaklaştırmak için Cmd/Ctrl+- tuşuna bas.
• Görünümü sıfırla: Görüntüyü görüntüleyiciye sığdırmak için Cmd/Ctrl + 0 tuşuna bas veya sıfırlama düğmesine tıkla.
• Kaydır: Tuvali herhangi bir yakınlaştırma düzeyinde kaydırmak için Space tuşunu basılı tutup sürükle veya farenin orta düğmesiyle sürükle.
• Piksel görünümü: Yakından incelemek için pikselli görüntülemeyi açıp kapat.
• Derinlik perdesi: Derinlik veri kümelerinde sürüklenebilir bir ayırıcı, RGB görüntü ile renklendirilmiş derinlik haritası arasında geçiş yapar.

Bölüme göre filtrele#

Görüntüleri veri kümesi bölümlerine göre filtrele:

Kümeleme#

Clustering paneli, veri kümeni görsel olarak benzer görüntülerin birbirine yakın yer aldığı etkileşimli bir 2D dağılım grafiğine yansıtır. Kümeleri ortaya çıkarmak, yinelenenleri ve aykırı değerleri belirlemek, ayrıca bölümlerin veya sınıfların verilerine nasıl dağıldığını incelemek için galeriden ayrılmadan bu paneli kullan. Herhangi bir veri kümesi sayfasında, galeri araç çubuğundaki dağılım grafiği simgesine tıklayarak paneli aç. Panel yalnızca masaüstünde kullanılabilir; düzenleme erişimi olmayan görüntüleyiciler simgeyi veri kümesi analiz edildikten sonra görür.

Analizi çalıştırma#

Analiz başlatmak için:

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

Analiz arka planda Computing embeddings ve Clustering olmak üzere iki aşamada çalışır ve veri kümenin boyutuna bağlı olarak birkaç dakika sürebilir. Paneli kapatabilir veya sayfadan ayrılıp daha sonra geri dönebilirsin.

Görselleştirme#

Analiz tamamlandığında panelde, analiz edilen tüm görüntülerin 2D dağılım grafiği, açıklama ve nokta sayacıyla birlikte gösterilir. Galeri filtreleri (bölüm, sınıf, etiketli/etiketsiz), filtre dışındaki noktaları soluklaştırarak ilgilendiğin alt kümeye odaklanmanı sağlar — sayaçta visible / total points gösterilir.

Renklendirme ölçütü#

Panel araç çubuğundaki Color by açılır menüsünden veri noktalarının gölgelendirilme biçimini değiştir. Görünüm modları arasında istediğin zaman geçiş yap — grafik anında yeniden renklendirilir; böylece bölümlerin, sınıfların veya görüntü özelliklerinin kümelere nasıl dağıldığını görebilirsin:

Kementle ve tıklayarak seçim#

Grafikteki noktaları vurgulamak için bir bölgenin çevresini serbest biçimli olarak çiz veya aynı renkteki tüm noktaları seçmek için bir noktaya tıkla (genişlik, yükseklik, boyut ya da ek açıklamalara göre renklendirirken yalnızca o nokta seçilir); seçimi temizlemek için grafiğin boş bir alanına tıkla. Galeride eşleşen görüntüler filtrelenir; böylece olağan görüntü işlemlerini kullanarak bu görüntüleri inceleyebilir, yeniden etiketleyebilir, taşıyabilir veya silebilirsin.

Kaydırma ve yakınlaştırma#

Büyük dağılım grafiklerinde doğrudan fare ve klavyeyle veya grafiğin sol altındaki yakınlaştırma düğmeleriyle gezin:

Yeniden analiz etme#

Analizden sonra veri kümen değişirse — yeni görüntüler eklenirse veya analiz edilen görüntü sayısı artık veri kümesindeki sayıyla eşleşmezse — ya da analiz Kümeler renk seçeneğinden önce yapılmışsa, panelin üst kısmında sahipler ve editörler için bir Re-analyze düğmesi görünür.

Gömüleri ve 2D izdüşümü baştan hesaplamak için Re-analyze öğesine tıkla.

Benzer görüntüleri bul#

Aynı gömüler; herkese açık veri kümelerinde, kendi veri kümelerinde ve ekip veri kümelerinde benzerlik aramasını destekler. Düzenleyebildiğin bir veri kümesinde, Izgara veya Kompakt görünümde bir görüntüye (ya da Tablo görünümünde seçili tek bir satıra) sağ tıkla ve Benzer görüntüleri bul seçeneğini belirle. İletişim kutusunda kaynak görüntü ve en yakın 24 görüntüye kadar olan sonuçlar gösterilir; her sonuç benzerlik puanıyla etiketlenir. Veri kümenin hâlihazırda içerdiği görüntüler ve seçilen görüntünün diğer veri kümelerindeki kopyaları sonuçlara dahil edilmez. Tam boyutta önizlemek, kaynak veri kümesini, lisansı ve benzerlik puanını görmek için bir görüntüye tıkla. Görüntüleri onay kutularıyla seç (veya tümünü seç), ardından Veri kümesine N tane ekle öğesine tıkla: görüntüler train bölümüne etiketsiz olarak eklenir, depolama alanından düşülür ve ek açıklama eklemeye hazır olur.

Gömüsü olmayan bir görüntü — henüz analiz edilmemiş bir veri kümesindeki veya son analizden sonra eklenmiş bir görüntü — iletişim kutusu açıldığında gömülür; bu nedenle önce Kümeleme analizi çalıştırman gerekmez. İletişim kutusu bağlı veri kümelerinde kullanılamaz. Bir modelin görüntü başına doğrulama tanılamaları, en kötü performans gösteren görüntülerde aynı aramayı çalıştırır.

Veri Kümesi Sekmeleri#

Her veri kümesi sayfasında, veri kümesinin durumuna ve izinlerine bağlı olarak en fazla altı sekme gösterilebilir:

Görüntüler sekmesi#

Ek açıklama katmanlarını içeren görüntü galerisini gösteren varsayılan görünüm. Izgara, kompakt ve tablo görünüm modlarını destekler. Daha fazla görüntü eklemek için dosyaları buraya sürükleyip bırak.

Sınıflar sekmesi#

Bu sekme, veri kümesinde görüntüler ve görevinde sınıflar varsa görünür.

Veri kümen için ek açıklama sınıflarını yönet:

• Sınıf histogramı: Sıklığa göre sıralanmış, sınıf başına ek açıklama sayısını gösteren çubuk grafik; doğrusal/logaritmik ölçek geçişi bulunur.
• Sınıf tablosu: İndeks, ad, ek açıklama sayısı ve görüntü sayısı sütunlarını içeren sıralanabilir, aranabilir tablo.
• Sınıf adlarını düzenle: Adını satır içinde değiştirmek için herhangi bir sınıf adına tıkla.
• Sınıf renklerini düzenle: Sınıf rengini değiştirmek için renk örneğine tıkla.
• Yeni sınıf ekle: Sınıf eklemek için alttaki giriş alanını kullan.
• Sınıfları birleştir: İki veya daha fazla satır seç ve Merge into one öğesine tıkla.
• Sınıfları sil: Bir veya daha fazla satır seç ve Delete öğesine tıkla.

Sınıfları birleştir#

Birleştirme, yinelenen veya örtüşen etiketleri bir araya getirir — örneğin car, automobile ve vehicle etiketlerini tek bir sınıfta birleştirir:

1. Satırların yanındaki onay kutularını kullanarak iki veya daha fazla sınıf seç.
2. Tablo başlığındaki Merge into one öğesine tıkla veya seçime sağ tıkla.
3. Seçili sınıflardan hangisinin diğerlerinin birleştirileceği hedef olacağını seç.
4. Onayla

Kaynak sınıflara ait her ek açıklama hedef sınıfa atanır ve kaynak sınıflar kaldırılır. Hiçbir ek açıklama silinmediği için veri kümesinin toplam ek açıklama sayısı değişmez.

Sınıfları sil#

1. Satırların yanındaki onay kutularını kullanarak bir veya daha fazla sınıf seç.
2. Tablo başlığındaki Delete öğesine tıkla veya seçime sağ tıkla.
3. Onayla

Bir sınıfı silmek, sınıfı ve tüm ek açıklamalarını kaldırır. Sınıflandırma veri kümelerinde etiketler kaldırılır ancak görüntüler kalır ve ek açıklamasız hâle gelir.

Grafikler Sekmesi#

Bu sekme, veri kümesinde görüntü olduğunda görünür.

Veri kümen üzerinden otomatik olarak hesaplanan istatistikler:

Grafikler aşağıdaki sırada görünür ve veri kümesinde ilgili veri olmadığında atlanır — ham görüntülerden oluşan bir veri kümesinde açıklama grafikleri görünmez; Points per Instance ise yalnızca segmentasyon ve poz verilerinde görünür:

Modeller Sekmesi#

Bu veri kümesinde eğitilmiş tüm modelleri aranabilir bir tabloda görüntüle:

Hatalar Sekmesi#

Bu sekme yalnızca bir veya daha fazla dosyanın işlenmesi başarısız olduğunda görünür.

İşlenemeyen görüntüler burada şu bilgilerle listelenir:

• Hata bandı: Başarısız görüntülerin toplam sayısı ve yönlendirme
• Hata tablosu: Dosya adı, kullanıcı dostu hata açıklaması, düzeltme önerileri ve küçük önizleme görseli
• Yaygın hatalar arasında bozuk dosyalar, desteklenmeyen biçimler, çok küçük görüntüler (en az 28px gerekir) ve desteklenmeyen renk modları bulunur.

Sürümler Sekmesi#

Tekrarlanabilir eğitim için veri kümenin değiştirilemez NDJSON anlık görüntülerini oluştur. Her sürüm, oluşturulduğu andaki görüntü sayılarını, sınıf sayılarını, açıklama sayılarını ve eklediği depolama alanını kaydeder.

Sürüm oluşturmak için:

1. Sürümler sekmesini aç
2. İstersen bir açıklama gir (ör. "500 eğitim görüntüsü eklendi" veya "Yanlış etiketlenmiş sınıflar düzeltildi")
3. Yeni Sürüm'e tıkla
4. Yeni sürüm tabloda görünür. Veri kümesi mevcut bir sürümle eşleşiyorsa (örneğin, sürümü geri yükledikten hemen sonra) bu sürüm yeniden kullanılır ve bir açıklama girdiysen yeni açıklamayı alır.

Her sürüm sıralı olarak numaralandırılır (v1, v2, v3...) ve değiştirilemez — sürümler düzenlenemez veya kaldırılamaz; yalnızca açıklamaları değiştirilebilir. İstediğin zaman herhangi bir sürümü indirmek veya geri yüklemek için satırdaki işlemleri kullan.

Sürümleri Karşılaştır#

Önceki bir sürümden bu yana nelerin değiştiğini görmek için v1'den sonraki herhangi bir sürümde karşılaştırma simgesine tıkla. Sürümleri karşılaştır penceresi varsayılan olarak önceki sürümü kullanır; Kaynak menüsünden başka bir sürüm seç. Görüntüler, Açıklamalar, Sınıflar ve Ayarlar başlıkları altında gruplanan rozetler; eklenen, kaldırılan, değiştirilen ve başka bir bölüme taşınan görüntüleri, eklenen ve kaldırılan açıklamaları sayar; eklenen, kaldırılan veya yeniden adlandırılan sınıfları ve değişen veri kümesi ayarlarını gösterir. Değişen her görüntü, rozetiyle birlikte listelenir. Görüntüyü seçerek Önce ve Sonra hâllerini, her birinde ilgili sürümde kayıtlı etiketlerle birlikte görebilirsin. Görüntüler ve açıklamalar aynıysa iletişim kutusunda Değişiklik yok; yalnızca sınıf tanımları veya veri kümesi ayarları farklıysa Görüntü değişikliği yok mesajı gösterilir.

Veri Kümesini Dışa Aktar#

Çevrimdışı kullanmak üzere veri kümeni, veri kümesi başlığından veya Sürümler sekmesinden NDJSON indirerek dışa aktar.

Dışa aktarmak için:

1. Veri kümesi başlığındaki İndir düğmesine (indirme simgesi) tıkla
2. Geçerli NDJSON anlık görüntüsünü doğrudan indir
3. Daha sonra yeniden indirebileceğin değişmez, numaralandırılmış bir anlık görüntü istediğinde Sürümler sekmesini kullan

NDJSON biçiminde her satırda bir JSON nesnesi bulunur. İlk satır veri kümesi meta verilerini, sonraki satırlar ise her bir görüntünün bilgilerini içerir:

{"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"}

İsteğe bağlı görüntü düzeyindeki metadata nesnesi, NDJSON dosyası Platform'a aktarıldığında korunur. Bu nesneyi, görüntünün tam ekran bilgi panelinden inceleyebilir veya düzenleyebilirsin. Programatik arşiv yüklemeleri için Veri Kümesi Verilerini Alım API'si eşdeğer imageMetadata yol eşlemesini kabul eder.

Poz veri kümeleri, veri kümesi başlık satırında kpt_shape alanını da içerir; bu alan önceden ayarlanmamışsa açıklamalardan çıkarılır.

Derinlik dışa aktarımlarında veri kümesi satırında "task": "depth" ve "depth_scale": 1000 bildirilir. Her görüntü satırı, eşleştirilmiş düz uint16 PNG dosyası için bir depth.url içerir. Ultralytics, görüntü ve derinlik URL'lerini eşzamanlı olarak indirir ve aynı ölçeğe sahip bir eğitim YAML dosyası yazar; böylece NDJSON dosyası doğrudan model.train(data=...) öğesine aktarılabilir.

Tüm teknik özellikler için Ultralytics NDJSON biçimi belgelerine bak.

Görüntü İşlemleri#

Hızlı İşlemler#

Hızlı işlemlere erişmek için Izgara veya Kompakt görünümünde bir görüntüye ya da Tablo görünümünde seçili tek bir satıra sağ tıkla. Kullanılabilir işlemler, düzenleme izinlerine ve veri kümesi kaynağına bağlıdır:

Toplu Olarak Bölüme Taşı#

Seçili görüntüleri aynı veri kümesindeki başka bir bölüme yeniden ata:

1. Tablo görünümüne geç
2. Onay kutularını kullanarak görüntüleri seç
3. Bağlam menüsünü açmak için sağ tıkla
4. Move to split > Eğitim, Doğrulama veya Test seçeneklerinden birini belirle

Görüntüleri ızgara görünümündeki bölüm filtresi sekmelerine sürükleyip bırakabilirsin. Bir görüntüyü taşımak hedef bölümdeki aynı görüntüyle çakışacaksa Platform, görüntüyü atlamanı, ikisini de tutmanı veya değiştirmeyi seçmeni ister.

Bölümleri Yeniden Dağıtma#

Özel oranlar kullanarak tüm görüntüleri eğitim, doğrulama ve test bölümlerine yeniden dağıt:

1. Bölümleri Yeniden Dağıt iletişim kutusunu açmak için veri kümesi araç çubuğundaki bölüm çubuğuna tıkla
2. Aşağıdaki yöntemlerden birini kullanarak bölüm yüzdelerini ayarla
3. Dağılımı doğrulamak için görüntü sayısının canlı önizlemesini incele
4. Tüm görüntüleri yüzdelerine göre rastgele yeniden atamak için Uygula düğmesine tıkla

İletişim kutusu, hedef bölüm oranlarını ayarlamak için üç yöntem sunar:

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

Toplu Silme#

Birden fazla görüntüyü aynı anda sil:

1. Tablo görünümünde görüntüleri seç
2. Sağ tıkla ve Delete seçeneğini belirle veya Cmd/Ctrl+Delete tuşuna bas
3. Silmeyi onayla

Görüntüleri Kopyalama ve Taşıma#

Düzenleyebildiğin bir veri kümesindeki görüntüleri başka bir veri kümesine, farklı bir çalışma alanındaki veri kümesi de dahil olmak üzere, kopyala veya taşı:

1. Kaynak veri kümesinde Izgara veya Kompakt görünümündeki bir görüntüye sağ tıklayıp Kopyala veya Kes seçeneğini belirle ya da Tablo görünümünde görüntüleri seçip Cmd/Ctrl+C veya Cmd/Ctrl+X tuşuna bas. Esc panoyu temizler.
2. Hedef veri kümesini aç, bir görüntüye sağ tıkla ve Yapıştır seçeneğini belirle ya da Cmd/Ctrl+V tuşuna bas.

Yapıştırılan görüntüler etiketlerini ve bölümlerini korur; hedefte aynı bölümde zaten bulunan görüntüler atlanır. Kes işlemi yapıştırılan görüntüleri kaynak veri kümesinden kaldırır; Kopyala işlemi ise kaynak veri kümesini değiştirmez. Kopyalanan görüntülerin etiketi olmasa bile kaynak ve hedef veri kümelerinin görevi, uyumlu görüntü kanalları, poz anahtar noktası ayarları ve derinlik ölçeği aynı olmalıdır. Boş bir hedef veri kümesi, ayarlanmamış görüntü kanalı ve poz ayarlarını devralabilir. Görüntüler bağlı bir veri kümesine yapıştırılamaz.

Sınıflar ada göre eşleştirilir; bir ve iki karakterli adlar dışında büyük/küçük harf duyarlılığı yoktur. Sınıf içermeyen bir hedef, kaynağın sınıf listesini devralır. Yapıştırılan görselde hedefte olmayan bir sınıf kullanılıyorsa, Sınıfları eşleştir iletişim kutusu bu sınıfı bir veri kümesi sınıfıyla veya yeni bir sınıfla eşleştirmeni ya da o sınıfın etiketlerini kaldırmak için Dahil et onay kutusunun işaretini kaldırmanı ister; görseller her durumda yapıştırılır.

Benzer Görüntüler Oluştur#

Elindeki görüntülerden yeni eğitim görüntüleri oluştur. Düzenleyebildiğin bir veri kümesinde Izgara veya Kompakt görünümündeki bir görüntüye (ya da Tablo görünümünde seçili tek bir satıra) sağ tıkla ve Benzer görüntüler oluştur seçeneğini belirle. Platform, görüntüden esinlenen yeni sahneleri tarif eder ve her sahne için bir görüntü oluşturur; böylece sonuçlar kaynak görüntüyü kopyalamadan kaynaktaki nesneleri ve stili paylaşır.

Ultralytics Image 9B ve Krea 2 Turbo da listelenir, ancak bunları yalnızca Erken erişim özelliğini açtıktan sonra seçebilirsin. Krea 2 Turbo en yavaş seçenektir. Desteklendiği durumlarda kaynak en-boy oranları korunur. Çok dar görsellerde en uzun kenar için daha büyük bir değer gerekebilir; çıktı boyutları yuvarlanır ve üreticinin desteklediği boyutlarla sınırlandırılır.

Oluştur düğmesine tıkla veya Talimatlar alanında ⌘/Ctrl+Enter tuşlarına bas. Görüntüler tamamlandıkça görünür ve tümü seçili olur; Durdur düğmesi, ulaşmış görüntüleri koruyarak devam eden bir toplu işlemi sonlandırır. Farklı talimatları veya ayarları denemek için bunları değiştirip Daha fazla oluştur düğmesine tıkla: her yeni toplu işlem öncekilerin üzerinde görünür ve önceki görüntülerin seçimi korunur. Görüntüyü tam boyutlu görüntülemek için tıkla, istemediklerinin onay kutusunun işaretini kaldır ve Veri kümesine N ekle düğmesine tıkla. Tutulan görüntüler, kaynak görüntünün adını taşıyan ve etiketi olmayan JPEG dosyaları olarak yüklenir, depolama alanına dahil edilir ve açıklama eklemeye hazır olur. Görüntüler etkin bölüm filtresini kullanır: bunları train bölümüne eklemek için oluşturmadan önce Eğitim seçeneğini belirle. Tümü seçiliyse otomatik doğrulama bölümü ayırma da dahil olmak üzere normal yükleme bölümü ataması uygulanır. İptal düğmesi, önizlemeleri eklemeden siler. Oluşturulan görüntüler, veri kümesinin yükleme sırasında yüz bulanıklaştırma ayarını izler. Bu işlem bağlı veri kümelerinde kullanılamaz.

Yüzleri Bulanıklaştır#

Düzenleyebildiğin bir veri kümesindeki görüntülerin yüzlerini, örneğin verilerindeki kişilerin gizliliğini korumak için bulanıklaştır. Bağlı veri kümelerinde veya üçten fazla görüntü kanalına sahip veri kümelerinde Yüzleri Bulanıklaştır kullanılamaz.

• Tek görüntü: Izgara veya Kompakt görünümünde görüntüye (ya da Tablo görünümünde seçili tek bir satıra) sağ tıkla veya tam ekran görüntüleyicide bir açıklamaya sağ tıkla ve Yüzleri bulanıklaştır seçeneğini belirle.
• Tüm veri kümesi: veri kümesi sayfasında Diğer işlemler (⋯) menüsünü aç ve Yüzleri bulanıklaştır seçeneğini belirle.

İletişim kutusu önce, görüntüleri değiştirmeden en fazla altı görüntüde (veya tek görüntüde) algılanan yüzleri önizler. Önizlemeyi yeniden çalıştırmak için Güven değerini (varsayılan 0.25) ve Kutu ölçeği değerini (0.5–1.5, varsayılan 1; bu ayar her yüz kutusunu merkezinin etrafında ölçeklendirir) ayarla, ardından yüz bulunan her görüntünün orijinal piksellerini değiştirmek için Uygula düğmesine tıkla. Algılanan yüzü olmayan görüntüler değiştirilmez, etiketler ve bölümler korunur; bazı yüzler algılanamayabileceğinden sonucu gözden geçir. Bulanıklaştırma otomatik olarak bir sürüm anlık görüntüsü oluşturmaz. Tüm veri kümesindeki yüzleri bulanıklaştırmanın maliyeti, işlenen her 1.000 görüntü için 1,00 ABD dolarıdır; her çalıştırma için en az 0,01 ABD doları alınır (Otomatik Etiketleme olarak faturalandırılır). İletişim kutusu, uygulamadan önce tahmini maliyeti gösterir; önizlemeler ve tek görüntüyü bulanıklaştırma ücretsizdir.

Yükleme sırasında görüntülerdeki yüzleri bulanıklaştırmak için Yükleme veya URL ile veri kümesi oluştururken Yüzleri bulanıklaştır seçeneğini ya da tüm veri kümesine ait Yüzleri bulanıklaştır iletişim kutusunda Gelecekteki yüklemelerde yüzleri bulanıklaştır seçeneğini aç. Gelecekteki yüklemelerde yüzleri bulanıklaştır anahtarı, iletişim kutusunu Uygula düğmesine tıklamadan kapatsan bile ayarı hemen kaydeder. Daha sonra veri kümesine yüklenen görüntüler işlenirken ücretsiz olarak bulanıklaştırılır; bu ayarı değiştirmek, veri kümesinde zaten bulunan görüntüleri bulanıklaştırmaz.

Veri Kümesi URI'si#

Platform veri kümelerine ul:// URI biçimini kullanarak başvur (Platform Veri Kümelerini Kullanma bölümüne bak):

ul://username/datasets/dataset-slug

Bir veri kümesinin veya modelin web URL'sini de doğrudan yapıştırabilirsin (ör. https://platform.ultralytics.com/username/datasets/dataset-slug); URL otomatik olarak ul:// URI'sine dönüştürülür. Bir veri kümesi listesinin aktarılması, örneğin model.train(data=["ul://username/datasets/a", "ul://username/datasets/b"]), tek bir temel modeli listedeki her veri kümesinde sırayla ince ayardan geçirir.

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

Kullanılabilir Lisanslar#

Platform, veri kümeleri için aşağıdaki lisansları destekler:

Görünürlük Ayarları#

Veri kümeni kimlerin görebileceğini denetle:

Görünürlük, veri kümesi oluşturulurken New Dataset iletişim kutusundaki geçiş düğmesiyle ayarlanır. Daha sonra değiştirmek için sayfanın içerik yolunda veri kümesi adının yanındaki Herkese açık veya Özel rozetine tıkla; veri kümesini herkese açık yapmak için onay vermen gerekir. Şirket İçi veri kümeleri her zaman özeldir. Herkese açık veri kümeleri Keşfet sayfasında görünür.

Veri Kümesini Düzenle#

Veri kümesi üst verileri, iletişim kutusu açmaya gerek kalmadan doğrudan veri kümesi sayfasında düzenlenir:

• Ad: Düzenlemek için veri kümesi adına tıkla. Değişiklikler odağı kaybedince veya Enter üzerinde otomatik kaydedilir. Adlar en fazla 100 karakter olabilir.
• Açıklama: Düzenlemek için açıklamaya (veya "Açıklama ekle..." yer tutucusuna) tıkla. Değişiklikler otomatik kaydedilir. Açıklamalar en fazla 1.000 karakter olabilir.
• Görev türü: Farklı bir görev türü seçmek için görev rozetine tıkla.
• Lisans: Veri kümesi lisansını değiştirmek için lisans seçiciye tıkla.
• Simge: Kendi görselini yüklemek, veri kümesinin kendi görsellerinden birini simge yapmak veya bir harf ve renk seçmek için veri kümesi simgesine tıkla.

Özel Üst Veriler#

İki bölümü incelemek için Diğer işlemler menüsünü açıp Bilgiler'i seç:

• Ultralytics Üst Verileri: Veri kümesi kimliği, sahibi, görevi, görsel ve açıklama sayıları, depolama bölgesi ve zaman damgaları gibi salt okunur Platform ayrıntıları
• Özel Üst Veriler: Kaynak bilgileri, çekim koşulları, müşteri kimlikleri, yönetişim veya diğer bağlamsal veriler için kendi JSON nesnen

Çalışma alanı görüntüleyicileri üst verileri inceleyebilir; düzenleme erişimi olan üyeler ise özel üst veri nesnesini değiştirebilir. Serileştirilmiş üst veri nesnesi en fazla 500.000 karakter olabilir ve en üst düzeydeki her anahtar en fazla 128 karakterle sınırlıdır. Özel üst verileri temizlemek için boş bir nesne ({}) kaydet.

Veri Kümesini Klonla#

Sahibi olmadığın herkese açık bir veri kümesini görüntülerken, klonlama iletişim kutusunu açmak için Clone Dataset öğesine tıkla. Hedef çalışma alanını, adı, görünürlüğü ve lisansı gözden geçir, ardından klonlamayı onayla. Kopyaya tüm görseller, açıklamalar ve sınıf tanımları dahil edilir. Kaynak veri kümeleri herkese açık olan çalışma alanlarında, herkese açık veri kümeleri varsayılan olarak herkese açık kalır; Enterprise çalışma alanı klonları varsayılan olarak özeldir. Orijinal veri kümesinin copyleft lisansı varsa klon bu lisansı devralır ve lisans seçici kilitlenir.

Hedef çalışma alanında URL zaten kullanılıyorsa klonlama iletişim kutusu Veri Kümesini Klonla düğmesini devre dışı bırakır; ayrıca klonlama için kopyayı depolamaya yetecek kullanılabilir depolama kotası gerekir.

Yıldız Ver ve Paylaş#

• Yıldız ver: Bir veri kümesini yer imlerine eklemek için yıldız düğmesine tıkla. Yıldız sayısını tüm kullanıcılar görebilir.
• Paylaş: Herkese açık veri kümelerinde bağlantıyı kopyalamak, yerleştirme kodunu almak veya sosyal platformlarda paylaşmak için paylaş düğmesine tıkla.

Veri Kümesini Sil#

Artık ihtiyacın olmayan bir veri kümesini sil:

1. Veri kümesi başlığındaki Diğer işlemler menüsünü (… düğmesi) aç
2. Veri Kümesini Sil'i seç
3. İletişim kutusunda onayla: "Bu işlem [name] öğesini çöp kutusuna taşıyacak. 30 gün içinde geri yükleyebilirsin."

Aynı menüde, Özel Üst Veriler bölümünde açıklanan üst veri iletişim kutusunu açan Bilgiler ve veri kümesini sunucudan yeniden okuyan Yenile seçenekleri bulunur.

Veri Kümesiyle Eğitim#

Doğrudan veri kümen üzerinden eğitimi başlat:

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

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

Ayrıntılar için Bulut Eğitimi bölümüne bak.

Sık Sorulan Sorular#