数据集#

Ultralytics Platform 数据集为管理训练数据提供了一个流线型解决方案。上传后，平台会自动处理图像、标签和统计信息。当处理完成后，数据集包含 train 划分中的至少一张图像、val 或 test 划分中的至少一张图像、至少一张带有标签的图像以及总共至少两张图像时，即可用于训练。

上传数据集#

Ultralytics Platform 接受多种上传格式，以提供灵活性。

支持的格式#

视频编解码器支持#

仅凭文件扩展名是不够的：如果视频的编解码器无法被平台引入工作线程解码，该视频仍然会处理失败。

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

准备你的数据集#

平台支持 Ultralytics YOLO、COCO、Ultralytics NDJSON 以及原始（未标注）上传：

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

有关特定于任务的格式详细信息，请参阅支持的任务和数据集概述。

上传流程#

要创建一个数据集：

1. 在侧边栏中导航至 Annotate
2. 点击 New Dataset
3. 选择任务类型（请参阅支持的任务）
4. 添加名称和可选描述
5. 设置可见性（公开或私有）以及可选的许可证（请参阅可用许可证）
6. 添加文件并点击 Create & Upload，或者点击 Create Dataset 以从空数据集开始

要将文件添加到现有数据集，请打开其数据集页面，然后将文件拖放到图库中，或者点击页面标题中的上传图标。由于数据集任务已经定义，上传图标会直接打开你浏览器的原生文件选择器。

上传后，平台会通过多阶段流水线处理你的数据：

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. 验证：格式和尺寸检查
2. 归一化：调整大图像尺寸（最大 4096px，最小维度 28px）
3. 缩略图：生成 256px WebP 预览图
4. 标签解析：已提取 YOLO 和 COCO 格式标签
5. 统计信息：计算类分布和图像维度

from ultralytics.data.utils import check_det_dataset

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

浏览图像#

以多种布局查看你的数据集图像。

从图库工具栏打开聚类面板，以交互式 2D 散点图的形式浏览你的数据集。

排序和过滤#

图像可以进行排序和过滤，以便高效浏览：

全屏查看器#

点击任意图像以打开全屏查看器，并提供以下功能：

• 导航：使用方向键或缩略图预览进行浏览
• 图像信息：查看平台生成的属性、自定义元数据以及嵌入的文件元数据（如 EXIF）
• 自定义元数据：所有者和编辑者可以添加或替换 JSON 对象，包括最多 500,000 个序列化字符的嵌套值以及最多 128 个字符的顶级键
• 标注：切换标注覆盖层的可见性
• 类别细分：带颜色指示的每类标签计数
• Annotate：当你拥有编辑权限时，在桌面上打开全屏查看器时，标注控件会立即处于激活状态
• 下载：下载原始图像文件
• 删除：从数据集中删除图像
• 缩放：Cmd/Ctrl+Scroll、Cmd/Ctrl++ 或 Cmd/Ctrl+= 用于放大，Cmd/Ctrl+- 用于缩小
• 重置视图：Cmd/Ctrl + 0 或重置按钮可使图像适应查看器
• 平移：缩放时按住 Space 并拖动以平移画布
• 像素视图：切换像素化渲染以进行仔细检查

按拆分筛选#

按数据集拆分筛选图像：

聚类#

Clustering 面板将你的数据集投影到一个交互式的 2D 散点图中，其中视觉上相似的图像靠得很近。无需离开图库，即可使用它来浮现集群、发现重复项和异常值，以及检查划分或类别在数据中的分布情况。在任何数据集页面上，从图库工具栏中的散点图图标打开它。

运行分析#

开始分析：

1. 打开数据集并点击图库工具栏中的散点图图标
2. 点击 Analyze Dataset
3. 等待进度条完成——结果将出现在同一个面板中

分析会在后台运行，根据数据集的大小可能需要几分钟。你可以关闭面板或离开页面，稍后再回来查看。

可视化#

分析完成后，面板会显示所有已分析图像的 2D 散点图。图库筛选器（拆分、类别、已标注/未标注）会使非筛选范围内的点变暗，以便你专注于所关心的子集。

着色依据#

使用面板工具栏中的 Color by 下拉菜单更改数据点的着色方式。随时切换视图模式——图表会立即重新着色，以便你查看划分、类别或图像属性如何在集群中分布：

套索选择#

在区域周围绘制自由形状的选择框以突出显示图表上的点。图库会向下过滤出匹配的图像，以便你可以使用常规的图像操作来检查、重新标注、移动或删除它们。

平移和缩放#

直接通过鼠标和键盘浏览大型散点图：

重新分析#

如果在分析后数据集发生了更改，面板顶部会为所有者和编辑者显示一个 Re-analyze 按钮。

点击 Re-analyze 从头开始重新计算嵌入和 2D 投影。

数据集标签页#

根据数据集状态和你的权限，每个数据集页面最多可以显示六个标签页：

图像标签页#

显示带标注覆盖层的图像图库的默认视图。支持网格、紧凑和表格视图模式。在此处拖放文件以添加更多图像。

类别标签页#

当数据集包含图像时，会出现此标签页。

管理数据集的标注类别：

• 类别直方图：显示每个类别标注数量的柱状图，支持线性/对数刻度切换
• 类别表：可排序、可搜索的表格，包含类别名称、标签数量和图像数量
• 编辑类别名称：点击任意类别名称即可直接重命名
• 编辑类别颜色：点击颜色样本即可更改类别颜色
• 添加新类别：使用底部的输入框添加类别

图表标签页#

当数据集包含图像时，会出现此标签页。

从你的数据集中自动计算的统计数据：

模型标签页#

在可搜索的表格中查看在此数据集上训练的所有模型：

错误标签页#

此标签页仅在有一个或多个文件处理失败时出现。

处理失败的图像会在此处列出，并包含：

• 错误横幅：失败图像的总数和指导信息
• 错误表格：文件名、用户友好的错误描述、修复提示和预览缩略图
• 常见错误包括文件损坏、格式不支持、图像太小（最小 28px）以及不支持的颜色模式

版本标签页#

为你的数据集创建不可变的 NDJSON 快照，以实现可复现的训练。每个版本都会记录创建时的图像数量、类别数量、注释数量和文件大小。

创建版本：

1. 打开 Versions 标签页
2. 可选择输入描述（例如：“添加了 500 张训练图像”或“修复了错误标签的类别”）
3. 点击 + New Version
4. 新版本会出现在表格中
5. 使用行操作来下载、恢复或删除该版本

每个版本都会按顺序编号（v1、v2、v3……）。只要版本仍保留在版本表中，你就可以下载已保存的版本。

导出数据集#

从数据集标题或版本标签页下载 NDJSON，即可导出数据集以供离线使用。

导出步骤：

1. 点击数据集标题中的 Download 按钮（下载图标)
2. 直接下载当前的 NDJSON 快照
3. 当你需要一个可以稍后重新下载的不可变编号快照时，请使用 Versions（版本）选项卡

NDJSON 格式每行存储一个 JSON 对象。第一行包含数据集元数据，随后每行对应一个图像：

{"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"}

当将 NDJSON 文件导入到平台时，可选的图像级 metadata 对象会被保留。你可以从图像的全屏信息面板中检查或编辑它。对于程序化的归档上传，Dataset Ingest API 接受等效的 imageMetadata 路径映射。

有关完整规范，请参阅 Ultralytics NDJSON 格式文档。

图像操作#

快速操作#

右键单击 Grid（网格）或 Compact（紧凑）视图中的任意图像以访问快捷操作：

批量移动至拆分#

将选定的图像重新分配到同一数据集内的不同拆分中：

1. 切换到 Table（表格）视图
2. 使用复选框选择图像
3. 右键单击以打开上下文菜单
4. 选择 Move to split > Train、Validation 或 Test

你也可以在网格视图中将图像拖放到拆分过滤器选项卡上。

拆分重新分配#

使用自定义比例重新分配训练、验证和测试拆分中的所有图像：

1. 单击数据集工具栏中的 split bar（拆分栏）以打开 Redistribute Splits（重新分配拆分）对话框
2. 使用以下任意一种方法调整拆分百分比
3. 查看实时图像计数预览以确认分配情况
4. 单击 Apply（应用）以根据你的百分比随机重新分配所有图像

该对话框提供了三种设置目标划分比例的方法：

实时预览显示了在应用之前每种拆分将包含的确切图像数量。

批量删除#

一次删除多个图像：

1. 在表格视图中选择图像
2. 右键点击并选择 Delete
3. 确认删除

数据集 URI#

使用 ul:// URI 格式引用平台数据集（请参阅使用平台数据集）：

ul://username/datasets/dataset-slug

你也可以直接粘贴数据集或模型的网页 URL（例如 https://platform.ultralytics.com/username/datasets/dataset-slug）；它会自动重写为 ul:// URI。传递数据集列表可以依次微调各个基础模型，例如 model.train(data=["ul://username/datasets/a", "ul://username/datasets/b"])。

使用此 URI 在任何地方训练模型：

export ULTRALYTICS_API_KEY="YOUR_API_KEY"
yolo train model=yolo26n.pt data=ul://username/datasets/my-dataset epochs=100

可用许可#

该 Platform 支持以下数据集许可：

可见性设置#

控制谁可以看到你的数据集：

可见性是在 New Dataset 对话框中创建数据集时使用切换开关设置的。公开数据集在探索页面上可见。

编辑数据集#

数据集元数据直接在数据集页面内进行在线编辑——无需对话框：

• 名称：点击数据集名称进行编辑。更改会在失焦或 Enter 时自动保存。
• Description（描述）：单击描述（或“Add a description...”占位符）进行编辑。更改会自动保存。
• Task type（任务类型）：单击任务徽章以选择不同的任务类型。
• License（许可）：单击许可选择器以更改数据集许可。

自定义元数据#

打开更多操作并选择信息以查看以下两个部分：

• Ultralytics 元数据：只读的 Platform 详情，例如数据集 ID、所有者、任务、图像和标注数量、存储区域以及时间戳
• 自定义元数据：你自己的 JSON 对象，用于溯源、采集条件、客户 ID、治理或其他上下文数据

工作区查看者可以检查元数据，而拥有编辑权限的成员可以替换自定义元数据对象。序列化元数据对象限制为 500,000 个字符，每个顶级键限制为 128 个字符。保存空对象（{}）以清除自定义元数据。

克隆数据集#

当查看你不拥有的公开数据集时，点击 Clone Dataset 打开克隆对话框。检查目标工作区、名称、可见性和许可证，然后确认克隆。此副本包含所有图像、标注和类别定义。在默认可见性为公开的工作区中，公开源数据集默认保持公开；企业工作区克隆默认设为私有。如果原始数据集具有 copyleft 许可证，克隆将继承它且许可证选择器会被锁定。

收藏与分享#

• 收藏 (Star)：点击星标按钮以收藏数据集。收藏数量对所有用户可见。
• 分享 (Share)：对于公共数据集，点击分享按钮即可复制链接或分享到社交平台。

删除数据集#

删除你不再需要的数据集：

1. 点击数据集标题中的 Delete dataset 垃圾桶图标
2. 在对话框中确认：“这会将 [name] 移至回收站。你可以在 30 天内将其恢复。”

基于数据集进行训练#

直接从你的数据集开始训练：

1. 在数据集页面上点击 New Model
2. 选择一个项目或创建一个新项目
3. 配置训练参数
4. 开始训练

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

有关详细信息，请参阅云训练。

常见问题解答#

上传后我的数据会怎样？#

你的数据会在你选择的区域（美国、欧盟或亚太地区）进行处理和存储。图像处理如下：

1. 验证格式和大小
2. 如果最小尺寸低于 28px，则会被拒绝
3. 如果大于 4096px，则会进行标准化处理（保持宽高比；编码以优化存储）
4. 使用带有 XXH3-128 哈希的“内容寻址存储 (CAS)”进行存储
5. 生成 256px 的 WebP 缩略图以加快浏览速度

存储是如何工作的？#

Ultralytics Platform 使用 内容寻址存储 (CAS) 来实现高效存储：

• 去重（Deduplication）：同一数据区域中内容完全相同的图像字节会复用同一个底层对象
• 完整性：XXH3-128 哈希确保数据完整性
• 效率：克隆操作会复用 CAS 对象而不是复制图像字节，同时仍会计入目标工作区的存储配额
• 区域性：数据保留在你选择的区域（美国、欧盟或亚太地区）

我可以向现有数据集添加图像吗？#

可以。将文件拖放到数据集图库中，或者点击页面标题中的上传图标，这会直接打开你浏览器的原生文件选择器。处理完成后会自动计算新的统计信息。

如何将图像在拆分集之间移动？#

使用批量“移动到拆分集”功能：

1. 在表格视图中选择图像
2. 右键点击并选择 Move to split
3. 选择目标拆分集（训练集、验证集或测试集）

支持哪些标签格式？#

Ultralytics Platform 支持 YOLO 标签、COCO JSON、Ultralytics NDJSON 以及原始图像上传：

我可以为同一数据集标注多种任务类型吗？#

可以。每张图像都会一起存储所有 6 种任务类型（detect、segment、semantic、classify、pose、OBB）的标注。你可以随时切换数据集的活动任务类型，而不会丢失现有标注。只有与活动任务类型匹配的标注才会显示在编辑器中，并包含在导出和训练中——其他任务的标注会被保留，并在你切回时重新出现。