数据准备

数据准备是计算机视觉模型成功的基石。Ultralytics 提供全面的工具来管理您的训练数据，涵盖从上传、标注到分析的完整流程。

概述

Ultralytics 的数据部分可帮助您：

• 上传图片、视频和ZIP压缩包
• 使用手动工具和人工智能辅助标注进行标注
• 运用统计分析和可视化技术分析您的数据
• 以标准格式导出用于本地培训

工作流

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

支持的任务

Ultralytics 支持全部5种YOLO 类型：

主要功能

智能存储

Ultralytics 采用高效存储技术：

• 重复数据删除：相同图像仅存储一次
• 完整性：校验和确保数据完整性
• 效率：优化存储与快速处理

数据集统一资源标识符

使用以下数据集进行参考： ul:// URI格式：

yolo train data=ul://username/datasets/my-dataset

这使得任何配置了您的API密钥的机器都能在平台数据集上进行训练。

统计与可视化

每个数据集都包含自动统计信息：

• 类分布：各类标签数量的条形图
• 位置热力图：注释的空间分布
• 维度分析：图像宽度与高度分布
• 分割细分：训练集/验证集/测试集样本数量

快速链接

• 数据集: 上传并管理您的训练数据
• 注释: 使用人工和人工智能辅助工具标注数据

常见问题

支持上传哪些文件格式？

Ultralytics ：

• 图片格式：JPG、PNG、WebP、TIFF、BMP及其他常用格式
• 视频格式：MP4、AVI、MOV - 帧将自动提取
• 存档文件：包含图像的ZIP文件，可选含YOLO标签

最大数据集大小是多少？

存储限制取决于您的套餐：

我能否将平台数据集用于本地训练？

是的！使用数据集URI格式进行本地训练：

export ULTRALYTICS_API_KEY="your_key"
yolo train data=ul://username/datasets/my-dataset epochs=100

或将数据集导出为NDJSON格式，以实现完全离线训练。

📅 0 天前创建 ✏️ 0 天前更新

评论