Chuẩn bị dữ liệu#
Quá trình chuẩn bị dữ liệu là nền tảng của các computer vision model thành công. Ultralytics Platform cung cấp các công cụ toàn diện để quản lý dữ liệu huấn luyện của bạn, từ việc tải lên qua quá trình gán nhãn cho đến phân tích.
Watch: Get Started with Ultralytics Platform - Data
Tổng quan#
Mục Dữ liệu (Data) của Ultralytics Platform giúp bạn:
- Tải lên hình ảnh, video và tệp tập dữ liệu (ZIP, TAR bao gồm
.tar.gz/.tgz, NDJSON) - Nhập từ URL bằng cách dán liên kết trực tiếp tới file nén hoặc file xuất NDJSON, hoặc từ Roboflow
- Kết nối Google Cloud Storage, Amazon S3, hoặc Azure Blob Storage và sử dụng dữ liệu trực tiếp tại chỗ mà không cần tải lên một bản sao
- Giữ pixel tại chỗ với các worker CPU/GPU On Premise thuộc gói Enterprise
- Gán nhãn bằng công cụ vẽ thủ công và tính năng gán nhãn thông minh được hỗ trợ bởi SAM — chọn từ SAM 2.1 hoặc SAM 3 mới
- Quản lý các lớp (class) bằng cách đổi tên, đổi màu, hợp nhất và xóa chúng trên toàn bộ tập dữ liệu
- Phân tích dữ liệu của bạn bằng thống kê, trực quan hóa và phân cụm dựa trên embedding
- Xuất ở định dạng NDJSON để huấn luyện cục bộ
Quy trình làm việc#
graph LR
A[Upload]:::start --> B[Annotate]:::proc
B --> C[Analyze]:::proc
C --> D[Train]:::out
classDef start fill:#4CAF50,color:#fff
classDef proc fill:#2196F3,color:#fff
classDef out fill:#9C27B0,color:#fff| Giai đoạn | Mô tả |
|---|---|
| Tải lên (Upload) | Nhập hình ảnh, video hoặc tệp lưu trữ với quy trình xử lý tự động |
| Gán nhãn (Annotate) | Gán nhãn dữ liệu bằng công cụ thủ công cho cả 6 loại tác vụ, hoặc sử dụng tính năng gán nhãn SAM cho các tác vụ detect, segment, semantic và OBB |
| Phân tích | Xem phân phối các lớp, bản đồ nhiệt không gian, thống kê kích thước và các cụm embedding |
| Xuất | Tải xuống ở định dạng NDJSON để sử dụng ngoại tuyến |
Các tác vụ được hỗ trợ#
Tập dữ liệu của Ultralytics Platform hỗ trợ 6 trong số 7 loại tác vụ YOLO — tập dữ liệu depth sẽ sớm ra mắt (các model và dự đoán depth đã được hỗ trợ):
| Tác vụ | Mô tả | Công cụ gán nhãn |
|---|---|---|
| Detect | Phát hiện đối tượng (Object detection) với bounding boxes | Công cụ hình chữ nhật |
| Segment | Phân đoạn thực thể (Instance segmentation) với mặt nạ pixel (pixel masks) | Công cụ đa giác |
| Semantic | Phân đoạn ngữ nghĩa (Semantic segmentation) với vùng pixel theo từng lớp | Công cụ đa giác |
| Classify | Phân loại cấp độ hình ảnh | Bộ chọn lớp |
| Pose | Ước tính điểm chính (Keypoint estimation) với các mẫu skeleton có sẵn hoặc tùy chỉnh | Công cụ điểm chính |
| OBB | Bounding boxes định hướng (Oriented bounding boxes) cho các đối tượng xoay | Công cụ hộp định hướng |
Loại tác vụ được thiết lập khi tạo tập dữ liệu và xác định các công cụ gán nhãn nào khả dụng. Bạn có thể thay đổi sau này từ bộ chọn tác vụ trong tiêu đề tập dữ liệu, nhưng các chú thích không tương thích sẽ không được hiển thị sau khi chuyển đổi.
Tính năng chính#
Lưu trữ thông minh#
Ultralytics Platform quản lý bộ nhớ hiệu quả:
- Khử trùng lặp (Deduplication): Các ảnh giống hệt nhau trong cùng một vùng dữ liệu chỉ được lưu trữ một lần
- Tính toàn vẹn (Integrity): Các file tải lên được xác minh tính toàn vẹn dữ liệu
- Hiệu quả: Lưu trữ tối ưu và xử lý nhanh chóng
URI của tập dữ liệu#
Tham chiếu tập dữ liệu sử dụng định dạng URI ul:// (xem Using Platform Datasets):
yolo train data=ul://username/datasets/my-datasetĐiều này cho phép huấn luyện trên các tập dữ liệu của nền tảng từ bất kỳ máy nào đã cấu hình API key của bạn.
from ultralytics import YOLO
model = YOLO("yolo26n.pt")
model.train(data="ul://username/datasets/my-dataset", epochs=100)Quản lý phiên bản tập dữ liệu#
Tạo các bản chụp NDJSON bất biến cho tập dữ liệu của bạn để huấn luyện có thể tái tạo. Mỗi phiên bản ghi lại số lượng hình ảnh, số lượng class và số lượng nhãn tại thời điểm tạo. Xem Versions Tab để biết chi tiết.
Các tab Dataset#
Các trang tập dữ liệu có thể hiển thị tối đa sáu tab, tùy thuộc vào trạng thái tập dữ liệu và quyền của bạn:
| Tab | Mô tả |
|---|---|
| Hình ảnh | Duyệt hình ảnh ở chế độ lưới, nhỏ gọn hoặc dạng bảng với các lớp phủ chú thích |
| Classes | Xem, đổi tên, đổi màu, hợp nhất và xóa các lớp kèm theo số lượng nhãn cho từng lớp |
| Biểu đồ | Thống kê tự động: phân phối tách, số lượng lớp, bản đồ nhiệt |
| Model | Models được huấn luyện trên tập dữ liệu này kèm theo các chỉ số và trạng thái |
| Phiên bản | Tạo, tải xuống và khôi phục các bản chụp nhanh NDJSON cố định (immutable) để đảm bảo tính tái lập (reproducibility) |
| Lỗi | Các hình ảnh xử lý thất bại kèm chi tiết lỗi và hướng dẫn khắc phục |
Classes và Charts xuất hiện khi tập dữ liệu có hình ảnh. Errors chỉ xuất hiện khi có lỗi xử lý. Versions xuất hiện khi bạn có quyền chỉnh sửa, hoặc ở chế độ chỉ đọc khi đã có các phiên bản.
Phân cụm (Clustering)#
Khám phá tập dữ liệu của bạn dưới dạng biểu đồ phân tán 2D tương tác, nơi các ảnh có độ tương quan trực quan nằm gần nhau — hữu ích để phát hiện các cụm, các ảnh trùng lặp và ngoại lai, cũng như kiểm tra cách phân chia tập dữ liệu hoặc phân phối các lớp trong dữ liệu của bạn. Khoanh vùng (lasso) một khu vực trên biểu đồ để lọc thư viện chỉ hiển thị các ảnh đó. Quá trình phân tích cần từ 20 đến 200.000 ảnh không có lỗi. Xem phần Clustering để biết thêm chi tiết.
Thống kê và Hình ảnh hóa#
Tab Charts cung cấp tính năng phân tích tự động bao gồm:
- Phân phối tách: Biểu đồ hình vành khuyên về số lượng hình ảnh train/val/test
- Top Classes: Biểu đồ tròn thể hiện 10 lớp chú thích xuất hiện nhiều nhất
- Kích thước hình ảnh: Biểu đồ tần suất phân phối chiều rộng và chiều cao hình ảnh (tính bằng pixel)
- Kích thước hình ảnh 2D: Bản đồ nhiệt 2D của chiều rộng so với chiều cao với các đường hướng dẫn tỷ lệ khung hình
- Vị trí chú thích: Bản đồ nhiệt 2D của các vị trí tâm bounding box
- Điểm trên mỗi thực thể: Phân phối số đỉnh đa giác hoặc số điểm chính (cho các tập dữ liệu segment/pose)
Xem mục Charts tab để có danh sách đầy đủ.
Liên kết nhanh#
- Datasets: Tải lên, quản lý và xuất dữ liệu huấn luyện của bạn
- Annotation: Gán nhãn dữ liệu bằng công cụ thủ công và hỗ trợ bởi AI
- Cloud Training: Huấn luyện model trên các tập dữ liệu đã gán nhãn của bạn
- Dataset URI: Sử dụng URI
ul://để huấn luyện từ bất cứ đâu
Câu hỏi thường gặp#
Ultralytics Platform hỗ trợ:
Hình ảnh: JPEG, PNG, WebP, BMP, TIFF, HEIC, AVIF, JP2, DNG, MPO (tối đa 50MB mỗi tệp)
Video: MP4, WebM, MOV, MKV, M4V (tối đa 1GB, các khung hình được trích xuất ở tốc độ 1 FPS, tối đa 100 khung hình)
File tập dữ liệu: File nén ZIP hoặc TAR bao gồm
.tar.gzvà.tgz(tối đa 10GB trên gói Free, 20GB trên Pro, 50GB trên Enterprise) chứa các ảnh kèm theo nhãn tùy chọn theo YOLO-format hoặc nhãn COCO JSON, cùng với các file xuất NDJSONBất kỳ định dạng file nén hoặc NDJSON nào trong số này cũng có thể được nhập bằng cách dán liên kết HTTP(S) trực tiếp vào tab
URLcủa hộp thoạiNew Dataset. Nhãn Pascal VOC XML được phát hiện nhưng không được nhập.Giới hạn lưu trữ phụ thuộc vào gói của bạn:
Gói (Plan) Giới hạn lưu trữ Miễn phí 100 GB Pro 500 GB Enterprise Không giới hạn Giới hạn tệp riêng lẻ: Hình ảnh 50MB, Video 1GB, tập dữ liệu 10GB trên gói Free / 20GB trên Pro / 50GB trên Enterprise
Có! Sử dụng định dạng URI tập dữ liệu để huấn luyện cục bộ:
export ULTRALYTICS_API_KEY="YOUR_API_KEY" yolo train model=yolo26n.pt data=ul://username/datasets/my-dataset epochs=100Hoặc xuất tập dữ liệu của bạn ở định dạng NDJSON để chuyển metadata, dữ liệu phân chia, nhãn và URL hình ảnh đã ký.