Veri Kümeleri#

Ultralytics Platform veri setleri, eğitim verilerini yönetmek için akıcı bir çözüm sunar. Yükleme sonrasında platform, görüntüleri, etiketleri ve istatistikleri otomatik olarak işler.

Bir veri seti, işlem tamamlandığında ve train bölümünde en az bir görüntü, val veya test bölümünde en az bir görüntü ve etiketlenmiş en az bir görüntü bulunduğunda eğitime hazırdır. Veri seti başlığı, her üç koşul da karşılandığında bir Ready rozeti, aksi takdirde bir Not Ready rozeti gösterir; tam olarak hangi koşulun eksik olduğunu görmek için rozete tıklayın.

Veri Seti Yükle#

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

Desteklenen Formatlar#

Video Kodek Desteği#

Tek başına dosya uzantısı yeterli değildir: bir video, işlem sırasında codec bileşeni çözülemediği takdirde yine de başarısız olabilir.

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

Veri Setini Hazırlama#

Platform, Ultralytics YOLO, COCO, depth datasets, 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

Etiketler sınıf kimliklerine referans veriyor ancak sınıf adı sağlanmıyorsa Platform, daha sonra Classes tab sekmesinde yeniden adlandırabileceğiniz yoğun yer tutucu adlar (class0, class1, …) oluşturur.

Göreve özel format detayları için bkz. supported tasks ve Datasets Overview.

Yükleme Süreci#

Bir veri kümesi oluşturmak için:

1. Kenar çubuğunda Annotate öğesine git
2. New Dataset öğesine tıkla
3. Bir veri kaynağı sekmesi seçin (aşağıdaki Data Sources kısmına bakın)
4. Bir ad ekleyin (URL uzantısı otomatik olarak türetilir ve düzenlenebilir) ve isteğe bağlı bir açıklama ekleyin
5. Görev türünü (bkz. supported tasks), isteğe bağlı bir lisansı (bkz. available licenses) ve görünürlüğü (herkese açık veya gizli) seçin
6. Yerel dosyalar için Create & Upload, bir URL veya bağlı kaynak için Create & Import veya boş başlatmak için Create Dataset öğesine tıklayın

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

Veri Kaynakları#

New Dataset iletişim kutusu dört kaynak sunar:

Yükleme Başlamadan Önce#

Platform, herhangi bir şeyi yüklemeden önce dosyalarınızı tarayıcıda doğrular; böylece yaygın sorunlar uzun bir aktarım sonrasında değil derhal ortaya çıkar. Arşivlerde bozulma, boşluk, şifre koruması ve YAML sözdizimi hataları kontrol edilir ve çok büyük dosyalar adlarına göre listelenir.

Bu durumda iki iletişim kutusu görünebilir:

Yüklemeden sonra platform verilerinizi otomatik olarak işler:

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. Doğrulama: Format ve boyut kontrolleri
2. Normalleştirme: Büyük görüntüler yeniden boyutlandırılır (maks 4096px, min boyut 28px), gri tonlama RGB'ye genişletilir, şeffaflık beyaz üzerine düzleştirilir ve EXIF yönü uygulanır
3. Küçük Resimler: 256 piksel WebP önizlemeleri oluşturulur
4. Etiket Ayrıştırma: YOLO, COCO ve NDJSON etiketleri çıkarıldı
5. İstatistikler: Sınıf dağılımları ve görsel boyutları hesaplanır

from ultralytics.data.utils import check_det_dataset

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

Görsellere Göz At#

Veri seti görsellerini birden fazla düzende görüntüle.

Veri kümeni interaktif bir 2D saçılım grafiği olarak incelemek için galeri araç çubuğundan Clustering panelini aç.

Sıralama ve Filtreleme#

Görseller verimli tarama için sıralanabilir ve filtrelenebilir:

Tam Ekran Görüntüleyici#

Tam ekran görüntüleyiciyi şunlarla açmak için herhangi bir resme tıkla:

• Gezinme: Göz atmak için ok tuşları veya küçük resim önizlemeleri
• Görüntü bilgisi: Platform tarafından oluşturulan özellikleri, özel meta verileri ve EXIF gibi gömülü dosya meta verilerini incele
• Özel meta veriler: Sahipler ve düzenleyiciler, 500.000'e kadar serileştirilmiş karakter içeren yuvalanmış değerler ve 128 karaktere kadar üst düzey anahtarlar dahil olmak üzere bir JSON nesnesi ekleyebilir veya değiştirebilir
• Açıklamalar: Açıklama katmanı görünürlüğünü aç/kapat
• Sınıf Dağılımı: Renk göstergeleriyle sınıf bazlı etiket sayıları
• Annotate: Düzenleme erişiminiz olduğunda, masaüstünde tam ekran görüntüleyici açıldığında açıklama kontrolleri hemen etkinleşir
• İndir: Orijinal resim dosyasını indir
• Sil: Resmi veri kümesinden sil
• Zoom: Yakınlaştırmak için Cmd/Ctrl+Scroll, Cmd/Ctrl++ veya Cmd/Ctrl+=, uzaklaştırmak için Cmd/Ctrl+-
• Reset view: Görüntüyü görüntüleyiciye sığdırmak için Cmd/Ctrl + 0 veya sıfırlama düğmesi
• Pan: Yakınlaştırılmış durumdayken tuvali kaydırmak için Space tuşunu basılı tut ve sürükle
• Piksel görünümü: Yakın inceleme için pikselli işlemeyi aç/kapat
• Derinlik perdesi: Derinlik veri kümelerinde, sürüklenebilir bir ayırıcı RGB resmi ile renklendirilmiş derinlik haritası arasında geçiş yapar

Bölüme Göre Filtrele#

Resimleri veri kümesi bölümlerine göre filtrele:

Kümeleme#

Clustering paneli, görsel olarak benzer görüntülerin birbirine yakın durduğu interaktif bir 2D saçılım grafiğine veri kümeni yansıtır. Galeriden ayrılmadan kümeleri ortaya çıkarmak, kopyaları ve uç değerleri tespit etmek ve bölümlerin veya sınıfların verilerine nasıl dağıldığını incelemek için bunu kullan. Herhangi bir veri kümesi sayfasındaki galeri araç çubuğunda bulunan saçılım grafiği simgesinden aç.

Analizi Çalıştırma#

Bir analiz başlat:

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

Analiz arka planda iki aşamada (Computing embeddings ve Clustering) çalışır ve veri setinizin boyutuna bağlı olarak birkaç dakika sürebilir. Paneli kapatabilir veya sayfadan ayrılıp daha sonra geri gelebilirsiniz.

Görselleştirme#

Analiz tamamlandığında panel, bir açıklama ve bir nokta sayacıyla analiz edilen tüm görüntülerin 2D dağılımını gösterir. Galeri filtreleri (bölme, sınıf, etiketli/etiketsiz), ilgilendiğiniz alt kümeye odaklanabilmeniz için filtre dışı noktaları karartır — sayaç daha sonra visible / total points okur.

Renklendir#

Panel araç çubuğundaki Color by açılır menüsü ile veri noktalarının nasıl renklendirileceğini değiştir. İstediğin zaman görünüm modlarını değiştir — grafik anında yeniden renklendirilir, böylece bölümlerin, sınıfların veya görüntü özelliklerinin kümelerine nasıl dağıldığını görebilirsin:

Kement Seçimi#

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

Kaydır ve Yakınlaştır#

Büyük dağılımları doğrudan fareniz ve klavyenizle veya grafiğin sol alt köşesindeki yakınlaştırma düğmeleriyle gezinin:

Yeniden Analiz#

Analizden sonra veri setiniz değişirse — yeni görüntüler gelirse veya analiz edilen sayı artık veri setiyle eşleşmiyorsa — sahipler ve düzenleyiciler için panelin üst kısmında bir Re-analyze düğmesi görünür.

Gömüleri ve 2D projeksiyonu sıfırdan yeniden hesaplamak için Re-analyze öğesine tıkla.

Veri Kümesi Sekmeleri#

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

Resimler 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.

Sınıflar Sekmesi#

Bu sekme, veri kümesinde resimler olduğunda ve görevinin sınıfları olduğunda görünür.

Veri kümen için açıklama sınıflarını yönet:

• Sınıf histogramı: Sınıf başına ek açıklama sayısını gösteren, frekansa göre sıralanmış, doğrusal/log ölçek geçişli çubuk grafik
• Sınıf tablosu: Dizin, ad, ek açıklama sayısı ve görüntü sayısı içeren, sıralanabilir ve 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
• Sınıfları birleştir: İki veya daha fazla satır seçin ve Merge into one öğesine tıklayın
• Sınıfları sil: Bir veya daha fazla satır seçin ve Delete öğesine tıklayın

Sınıfları Birleştir#

Birleştirme, yinelenen veya çakışan etiketleri konsolide eder — örneğin car, automobile ve vehicle öğelerini tek bir sınıfta toplar:

1. Satır onay kutularını kullanarak iki veya daha fazla sınıf seçin
2. Tablo başlığındaki Merge into one öğesine tıklayın veya seçime sağ tıklayın
3. Seçilen sınıflardan hangisinin, diğerlerinin içine birleştiği hedef olduğunu seçin
4. Onayla

Kaynak sınıflara ait her ek açıklama hedef sınıfa yeniden atanır ve kaynak sınıflar kaldırılır. Hiçbir ek açıklama silinmez, bu nedenle veri setinin toplam ek açıklama sayısı değişmez.

Sınıfları Sil#

1. Satır onay kutularını kullanarak bir veya daha fazla sınıf seçin
2. Tablo başlığındaki Delete öğesine tıklayın veya seçime sağ tıklayın
3. Onayla

Bir sınıfı silmek, sınıfı ve tüm ek açıklamalarını kaldırır. Sınıflandırma veri setleri için etiketler kaldırılır ancak görüntüler kalır ve etiketlenmemiş hale gelir.

Grafikler Sekmesi#

Bu sekme, veri kümesinde resim olduğunda görünür.

Veri kümenizden otomatik olarak hesaplanan istatistikler:

Grafikler bu sırayla görünür ve veri setinde bunun için veri olmadığında her biri hariç tutulur — ham görüntü veri seti ek açıklama grafikleri göstermez ve Points per Instance yalnızca segment ve poz verileri için görünür:

Modeller Sekmesi#

Bu veri kümesi üzerinde eğitilmiş 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: 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

Sürümler 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 öğesine tıklayın
4. Yeni sürüm tabloda görünür

Her sürüm sırayla numaralandırılır (v1, v2, v3...) ve değiştirilemezdir — sürümler düzenlenemez veya kaldırılmaz, yalnızca açıklamaları değiştirilebilir. Herhangi bir sürümü istediğiniz zaman indirmek veya geri yüklemek için satır eylemlerini kullanın.

Veri 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 depolar. İlk satır veri kümesi meta verilerini içerir, bunu her görüntü başına bir satır takip eder:

{"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, bir NDJSON dosyası Platform'a aktarıldığında korunur. Görüntünün tam ekran bilgi panelinden inceleyebilir veya düzenleyebilirsiniz. Programatik arşiv yüklemeleri için Ingest Dataset Data API eşdeğer imageMetadata yol haritasını kabul eder.

Poz veri setleri ayrıca, halihazırda ayarlanmadığında ek açıklamalardan çıkarılan veri seti başlık satırında bir kpt_shape alanı taşır.

Derinlik dışarı aktarımları, veri kümesi satırında "task": "depth" ve "depth_scale": 1000 alanlarını bildirir. Her görüntü satırı, eşleştirilmiş düz uint16 PNG'si için bir depth.url içerir. Ultralytics, görüntü ve derinlik URL'lerini eş zamanlı olarak indirir ve aynı ölçeğe sahip bir eğitim YAML dosyası yazar; böylece NDJSON dosyası doğrudan model.train(data=...) komutuna verilebilir.

Tam şartname için Ultralytics NDJSON format documentation sayfasına bak.

Görsel İşlemleri#

Hızlı Eylemler#

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

Toplu 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 seçeneğini seç

Ayrıca ızgara görünümünde görüntüleri bölme filtresi sekmelerine sürükleyip bırakabilirsiniz. Bir görüntüyü taşımak, hedef bölmede zaten bulunan özdeş bir görüntüyle çakışacaksa Platform, atlayıp atlamayacağınızı, ikisini de saklayıp saklamayacağınızı veya değiştirip değiştirmeyeceğinizi sorar.

Bölüm 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

Bu diyalog, hedef bölme oranlarını belirlemenin üç yolunu sunar:

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

Toplu Silme#

Birden fazla görseli aynı anda sil:

1. Table görünümünde görselleri seç
2. Sağ tıkla ve Delete seçeneğini seç ya da Cmd/Ctrl+Delete tuşuna bas
3. Silme işlemini onayla

Veri Kümesi URI'si#

ul:// URI formatını kullanarak Platform veri kümelerine referans ver (bkz. Using Platform Datasets):

ul://username/datasets/dataset-slug

Ayrıca bir veri kümesi veya model web URL'sini doğrudan yapıştırabilirsin (örn. https://platform.ultralytics.com/username/datasets/dataset-slug); bu URL otomatik olarak ul:// URI formatına dönüştürülür. Bir veri kümesi listesi geçirmek, bir taban modeli her biri üzerinde sırayla ince ayardan geçirir, örneğin model.train(data=["ul://username/datasets/a", "ul://username/datasets/b"]).

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

Mevcut Lisanslar#

Platform, veri kümeleri için aşağıdaki lisansları destekler:

Görünürlük Ayarları#

Veri kümeni kimlerin görebileceğini kontrol et:

Görünürlük, New Dataset diyalog penceresinde bir anahtar düğmesi kullanılarak bir veri kümesi oluşturulurken ayarlanır. Herkese açık veri kümeleri Explore sayfasında görünür.

Veri Kümesini Düzenle#

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

• Name: Düzenlemek için veri seti adına tıkla. Değişiklikler odak kaybında (blur) veya Enter ile otomatik olarak kaydedilir. İsimler 100 karakterle sınırlıdır.
• Description: Düzenlemek için açıklamaya (veya "Add a description..." yer tutucusuna) tıkla. Değişiklikler otomatik olarak kaydedilir. Açıklamalar 1.000 karakterle sınırlıdır.
• Task type: Farklı bir görev tipi seçmek için görev rozetine tıkla.
• License: Veri kümesi lisansını değiştirmek için lisans seçiciye tıkla.
• Icon: Kendi görselini yüklemek, veri setinin kendi görsellerinden birini simge olarak öne çıkarmak ya da bir harf ve renk seçmek için veri seti simgesine tıkla.

Özel Meta Veriler#

Diğer eylemler öğesini aç ve iki bölümü incelemek için Bilgi seçeneğini seç:

• Ultralytics Meta Verileri: Veri kümesi kimliği, sahibi, görevi, görsel ve açıklama sayıları, depolama bölgesi ve zaman damgaları gibi salt okunur Platform detayları
• Özel Meta Veriler: Köken, çekim koşulları, müşteri kimlikleri, yönetim veya diğer bağlamsal veriler için kendi JSON nesnenin

Çalışma alanı izleyicileri meta verileri inceleyebilir, düzenleme erişimine sahip üyeler ise özel meta veri nesnesini değiştirebilir. Serileştirilmiş meta veri nesnesi 500.000 karakterle sınırlıdır ve her üst düzey anahtar 128 karakterle sınırlıdır. Özel meta verileri temizlemek için boş bir nesne ({}) kaydet.

Veri Kümesini Kopyala#

Sahibi olmadığın herkese açık bir veri kümesini görüntülerken klonlama diyalogunu açmak için Clone Dataset öğesine tıkla. Hedef çalışma alanını, adı, görünürlüğü ve lisansı gözden geçir, ardından klonlamayı onayla. Kopya; tüm görüntüleri, açıklamaları ve sınıf tanımlarını içerir. Herkese açık kaynak veri kümeleri, varsayılan görünürlüğü herkese açık olan çalışma alanlarında varsayılan olarak herkese açık kalır; Kurumsal çalışma alanı kopyaları varsayılan olarak gizlidir. Orijinal veri kümesinin bir copyleft lisansı varsa, kopya bunu devralır ve lisans seçici kilitlenir.

Hedef kısa ad (slug) zaten alınmışsa otomatik olarak yeniden adlandırılır ve klonlama işlemi, kopyayı barındırmak için yeterli depolama kotasının kalmasını gerektirir.

Yıldızla ve Paylaş#

• Yıldızla: Bir veri kümesini yer imlerine eklemek için yıldız düğmesine tıkla. Yıldız sayısı tüm kullanıcılar tarafından görülebilir.
• Share: Herkese açık veri setleri için bir bağlantı kopyalamak, gömme (embed) kod parçacığı almak veya sosyal platformlarda paylaşmak üzere paylaş düğmesine tıkla.

Veri Kümesini Sil#

Artık ihtiyaç duymadığın bir veri kümesini sil:

1. Veri seti başlığındaki More actions (daha fazla eylem) (… düğmesi) menüsünü aç
2. Delete Dataset (Veri Setini Sil) seçeneğini seç
3. İletişim kutusunda onayla: "Bu işlem [name] öğesini çöpe taşıyacaktır. 30 gün içinde geri yükleyebilirsin."

Aynı menü, Custom Metadata bölümünde açıklanan meta veri iletişim kutusunu açan Information (Bilgi) ve veri setini sunucudan yeniden okuyan Refresh (Yenile) seçeneklerini barındırır.

Veri Kümesi Üzerinde Eğit#

Doğrudan veri kümen üzerinden eğitime başla:

1. Veri kümesi sayfasında New Model öğesine tıkla
2. Bir proje seç veya yeni bir tane 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 Cloud Training sayfasına bak.

SSS#