Link to this section数据准备#
数据准备是成功的 计算机视觉 模型的基础。Ultralytics Platform 提供了全方位的工具，用于管理你的训练数据，涵盖从上传、标注到分析的整个流程。
Watch: Get Started with Ultralytics Platform - Data
Link to this section概览#
Ultralytics Platform 的“数据”部分旨在帮助你：
- 上传 图片、视频及数据集文件（ZIP、TAR，包括
.tar.gz/.tgz、NDJSON） - 标注 使用手动绘图工具和由 SAM 驱动的智能标注功能——你可以选择 SAM 2.1 或全新的 SAM 3
- 分析 通过统计数据和可视化分析你的数据
- 导出 为 NDJSON 格式 以进行本地训练
Link to this section工作流程#
graph LR
A[Upload] --> B[Annotate]
B --> C[Analyze]
C --> D[Train]
style A fill:#4CAF50,color:#fff
style B fill:#2196F3,color:#fff
style C fill:#FF9800,color:#fff
style D fill:#9C27B0,color:#fff| 阶段 | 描述 |
|---|---|
| 上传 | 导入图片、视频或存档文件并自动处理 |
| 标注 | 使用针对所有 6 种任务类型的手动工具标注数据，或者对检测、分割、语义和 OBB 任务使用 SAM 自动标注 |
| 分析 | 查看类别分布、空间热力图和尺寸统计信息 |
| 导出 | 下载 NDJSON 格式 以供离线使用 |
Link to this section支持的任务#
Ultralytics Platform 支持所有 6 种 YOLO 任务类型：
| 任务 | 描述 | 标注工具 |
|---|---|---|
| 检测 | 带边界框的目标检测 | 矩形工具 |
| 分割 | 带像素掩码的实例分割 | 多边形工具 |
| 语义 | 针对各类的像素区域进行语义分割 | 多边形工具 |
| 姿态 | 使用内置和自定义骨架模板的关键点估计 | 关键点工具 |
| OBB | 用于旋转物体的定向边界框 | 定向框工具 |
| 分类 | 图像级分类 | 类别选择器 |
任务类型在创建数据集时设置，并决定了哪些标注工具可用。你可以在稍后通过数据集标题的任务选择器更改它，但在切换后不兼容的标注将不会显示。
Link to this section核心功能#
Link to this section智能存储#
Ultralytics Platform 使用内容寻址存储 (CAS) 来实现高效的数据管理：
- 去重：通过 XXH3-128 哈希确保相同的图像仅存储一次
- 完整性：基于哈希的寻址确保数据完整性
- 效率：优化的存储和高速处理
Link to this section数据集 URI#
使用 ul:// URI 格式引用数据集（请参阅 使用平台数据集）：
yolo train data=ul://username/datasets/my-dataset这允许你在配置了 API key 的任何机器上对平台数据集进行训练。
from ultralytics import YOLO
model = YOLO("yolo26n.pt")
model.train(data="ul://username/datasets/my-dataset", epochs=100)Link to this section数据集版本控制#
为你的数据集创建不可变的 NDJSON 快照以实现可复现的训练。每个版本在创建时都会捕获图像数量、类别数量和标注数量。详情请参阅 版本标签页。
Link to this section数据集标签页#
根据数据集的状态和你的权限，数据集页面最多可以显示六个标签页：
| 标签页 | 描述 |
|---|---|
| 图像 | 以网格、紧凑或表格视图浏览带有标注叠加层的图像 |
| 类别 | 查看并编辑类别名称、颜色和每个类别的标签数量 |
| 图表 | 自动统计数据：拆分分布、类别统计、热力图 |
| 模型 | 在此数据集上训练的 模型，包含指标和状态 |
| 版本 | 创建并下载不可变的 NDJSON 快照以实现可复现的训练 |
| 错误 | 处理失败的图像，包含错误详情和修复指导 |
Classes and Charts appear when the dataset has images. Errors appears only when processing failures exist. Versions appears for owners, or for non-owners when versions already exist.
Link to this section聚类#
将你的数据集作为交互式 2D 散点图进行探索，视觉上相似的图像会聚在一起——这对于发现聚类、重复项和离群值，以及检查拆分或类别在数据中的分布情况非常有用。通过在图表区域使用套索工具来筛选图库中的图像。详见 聚类。
Link to this section统计与可视化#
The Charts tab provides automatic analysis including:
- 拆分分布：训练集/验证集/测试集图像数量的环形图
- 热门类别：最频繁标注类别的环形图
- 图像尺寸：图像宽度和高度分布的直方图（像素单位）
- 每个实例的点数：多边形顶点或关键点计数分布（针对分割/姿态数据集）
- 标注位置：边界框中心位置的 2D 热力图
- 图像尺寸 2D：宽度与高度的 2D 热力图，带有宽高比引导线
Link to this section快速链接#
Link to this section常见问题解答 (FAQ)#
Link to this section支持哪些文件格式上传？#
Ultralytics Platform 支持：
图像： JPEG、PNG、WebP、BMP、TIFF、HEIC、AVIF、JP2、DNG、MPO（每张最大 50MB）
视频： MP4、WebM、MOV、AVI、MKV、M4V（最大 1GB，以 1 FPS 提取帧，最多 100 帧）
数据集文件： 包含图像的 ZIP 或 TAR 存档（包括 .tar.gz 和 .tgz，Free 计划最大 10GB，Pro 计划 20GB，Enterprise 计划 50GB），可选择包含 YOLO 格式标签，以及 NDJSON 导出文件
Link to this section最大数据集大小是多少？#
存储限制取决于你的套餐：
| 套餐 | 存储限制 |
|---|---|
| 免费 | 100 GB |
| Pro | 500 GB |
| Enterprise | 无限制 |
单个文件限制：图像 50MB，视频 1GB，数据集在 Free 计划中为 10GB / Pro 计划 20GB / Enterprise 计划 50GB
Link to this section我可以使用我的平台数据集进行本地训练吗？#
可以！使用数据集 URI 格式进行本地训练：
export ULTRALYTICS_API_KEY="YOUR_API_KEY"
yolo train model=yolo26n.pt data=ul://username/datasets/my-dataset epochs=100或者将你的数据集以 NDJSON 格式 导出，进行完全离线训练。