Link to this section数据准备#
数据准备是成功构建 computer vision 模型的基础。Ultralytics Platform 提供了全套工具来管理你的训练数据，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概述#
Ultralytics Platform 的“数据”部分可帮你完成以下任务：
- 上传图像、视频和数据集文件（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——可选择 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：以 NDJSON format 导出以进行本地训练
Link to this section工作流#
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| 阶段 | 描述 |
|---|---|
| 上传 | 导入图像、视频或压缩包，并进行自动处理 |
| 标注 | 使用手动工具对所有 6 种任务类型进行数据标注，或使用 SAM 标注进行检测、分割、语义分割和 OBB |
| 分析 | 查看类别分布、空间热力图和维度统计信息 |
| 导出 | 以 NDJSON format 下载以供离线使用 |
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 |
|---|---|---|
| Detect | 带有边界框的目标检测 | 矩形工具 |
| Segment | 带有像素掩码的实例分割 | 多边形工具 |
| Semantic | 带有按类划分的像素区域的语义分割 | 多边形工具 |
| Pose | 带有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 |
| Classify | 图像级分类 | 类别选择器 |
任务类型是在创建数据集时设定的，它决定了可用的标注工具。你可以在之后通过数据集标题中的任务选择器进行修改，但切换后不兼容的标注将不再显示。
Link to this section主要特性#
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：相同的图像仅通过 XXH3-128 哈希存储一次
- 完整性：基于哈希的寻址确保了数据完整性
- 效率：优化的存储和快速的处理能力
Link to this section数据集 URI#
使用 ul:// URI 格式引用数据集（参见 Using Platform Datasets）：
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 快照以实现可重复的训练。每个版本都会在创建时捕获图像数量、类别数量和标注数量。详情请参阅 Versions Tab。
Link to this section数据集标签页#
根据数据集的状态和你的权限，数据集页面最多可显示六个选项卡：
| 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 |
| Classes | 查看并编辑类别名称、颜色和每类的标签数量 |
| 图表 | 自动统计：分割分布、类别计数、热力图 |
| 模型 | 在该数据集上训练的 Models，包括指标和状态 |
| 版本 | 创建并下载不可变的 NDJSON 快照以实现可重复的训练 |
| Errors | 处理失败的图像及其错误详情和修复指南 |
当数据集包含图像时，会出现 Classes（类别）和 Charts（图表）。仅在存在处理失败时才会出现 Errors（错误）。拥有者可以看到 Versions（版本），如果版本已存在，非拥有者也能看到。
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、重复项和异常值，以及检查数据集的划分或类别在数据中的分布情况非常有用。在绘图区域使用套索工具进行圈选，以过滤图库中显示的图像。详情请参阅 Clustering。
Link to this section统计与可视化#
Charts（图表）选项卡提供自动分析功能，包括：
- 分割分布：训练集/验证集/测试集图像数量的环形图
- 热门类别：出现频率最高的标注类别的环形图
- 图像维度：图像宽度和高度分布的直方图（单位：像素）
- 每个实例的点数：多边形顶点或关键点数量分布（用于分割/姿态数据集）
- 标注位置：边界框中心位置的 2D 热力图
- 图像维度 2D：宽度与高度的 2D 热力图，配有宽高比参考线
Link to this section快捷链接#
- Datasets：上传、管理和导出你的训练数据
- Annotation：使用手动和 AI 辅助工具进行数据标注
- Cloud Training：在你的标注数据集上训练模型
- Dataset URI：使用
ul://URI 从任何地方进行训练
Link to this section常见问题解答#
Link to this section支持上传哪些文件格式？#
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、MKV、M4V（最大 1GB，以 1 FPS 提取帧，最多 100 帧）
数据集文件： ZIP 或 TAR 压缩包，包括 .tar.gz 和 .tgz（Free 版最大 10GB，Pro 版 20GB，Enterprise 版 50GB），其中包含图像以及可选的 YOLO-format labels，此外还支持 NDJSON 导出
Link to this section数据集的最大容量是多少？#
存储限制取决于你的套餐：
| 方案 | 存储限制 |
|---|---|
| 免费版 | 100 GB |
| Pro 版 | 500 GB |
| 企业版 | 无限制 |
单个文件限制：图像 50MB，视频 1GB，数据集在 Free 版上为 10GB / Pro 版 20GB / Enterprise 版 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或者以 NDJSON format 导出你的数据集，以进行完全离线训练。