Link to this section数据集#

Ultralytics Platform 数据集为管理你的训练数据提供了一个精简的解决方案。上传后，平台会自动处理图像、标签和统计数据。一旦处理完成，且数据集在 train 拆分中至少包含一张图像，在 val 或 test 拆分中至少包含一张图像，至少包含一张已标注的图像，且总数至少为两张图像，该数据集即可准备进行训练。

Link to this section上传数据集#

Ultralytics Platform 接受多种上传格式，以提供灵活性。

Link to this section支持的格式#

Link to this section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

关于任务特定的格式详细信息，请参阅 支持的任务 和 数据集概览。

Link to this section上传流程#

1. 在侧边栏中导航至 Datasets
2. 点击 New Dataset 或将文件拖入上传区域
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）和可选许可证（请参阅 可用许可证）
6. 点击 Create & Upload（如果是创建空数据集，则点击 Create Dataset）

上传后，平台会通过多阶段流水线处理你的数据：

graph LR
    A[Upload] --> B[Validate]
    B --> C[Normalize]
    C --> D[Thumbnail]
    D --> E[Parse Labels]
    E --> F[Statistics]

    style A fill:#4CAF50,color:#fff
    style B fill:#2196F3,color:#fff
    style C fill:#2196F3,color:#fff
    style D fill:#2196F3,color:#fff
    style E fill:#2196F3,color:#fff
    style F 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：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")

Link to this section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，将你的数据集作为交互式 2D 散点图进行探索。

Link to this section排序和过滤#

图像可以进行排序和过滤，以便高效浏览：

Link to this section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
• 元数据：文件名、尺寸、拆分标签、标注计数
• 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
• 编辑：进入标注模式以添加或修改标签
• 下载：下载原始图像文件
• 删除：从数据集中删除图像
• 缩放：使用 Cmd/Ctrl+Scroll、Cmd/Ctrl++ 或 Cmd/Ctrl+= 放大，使用 Cmd/Ctrl+- 缩小
• 重置视图：使用 Cmd/Ctrl + 0 或重置按钮将图像调整至查看器大小
• 平移：在缩放时按住 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

Link to this section按拆分筛选#

按数据集拆分筛选图像：

Link to this section聚类#

Clustering 面板会将你的数据集投射到一个交互式 2D 散点图中，其中视觉相似的图像会靠在一起。利用它来发现聚类、定位重复项和异常值，并检查拆分或类别在数据中的分布情况——无需离开图库。在任何数据集页面上的图库工具栏中，点击散点图图标即可打开。

Link to this section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。

Link to this section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。

Link to this section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。你可以随时切换视图模式——图表会立即重新着色，让你查看拆分、类别或图像属性在聚类中的分布情况：

Link to this section套索选择#

在区域周围绘制自由形状选择框以突出显示图表上的点。图库会筛选出匹配的图像，以便你使用常规 image operations 对其进行检查、重标记、移动或删除。

Link to this section平移和缩放#

直接通过鼠标和键盘浏览大型散点图：

Link to this section重新分析#

如果数据集在分析后发生更改，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 以重新计算嵌入向量和 2D 投影。

Link to this section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：

Link to this section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。

Link to this section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

Link to this section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：

Link to this section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：

Link to this section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

Link to this section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. 需要时从表格中单独下载该版本

每个版本按顺序编号 (v1, v2, v3...) 并永久存储。你可以随时从版本表中下载任何以前的版本。

Link to this section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，随后的每一行对应一张图像：

{"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", "annotations": {"boxes": [[0, 0.5, 0.5, 0.2, 0.3]]}}
{"type": "image", "file": "img002.jpg", "url": "https://...", "width": 1280, "height": 720, "split": "val"}

有关完整规范，请参阅 Ultralytics NDJSON format documentation。

Link to this section图像操作#

Link to this section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：

Link to this section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（训练）、Validation（验证）或 Test（测试）

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。

Link to this section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拆分比例的方法：

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。

Link to this section批量删除#

一次删除多个图像：

1. 在表格视图中选择图像
2. 右键单击并选择 Delete（删除）
3. 确认删除

Link to this section数据集 URI#

使用 ul:// URI 格式引用 Platform 数据集（请参阅 Using Platform Datasets）：

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

Link to this section可用许可#

该 Platform 支持以下数据集许可：

Link to this section可见性设置#

控制谁可以看到你的数据集：

可见性是在 New Dataset（新建数据集）对话框中使用切换开关创建数据集时设置的。公开数据集可在 Explore 页面上查看。

Link to this section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：

• Name（名称）：单击数据集名称进行编辑。更改会在失去焦点或按下 Enter 键时自动保存。
• 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。

Link to this section克隆数据集#

查看你不拥有的公共数据集时，点击 Clone Dataset 即可在你的工作区中创建一个副本。该克隆版本包含所有的图像、标注和类别定义。如果原始数据集带有 copyleft 许可证，该克隆版本将继承此许可证，且许可证选择器会被锁定。

Link to this section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。

Link to this section删除数据集#

删除你不再需要的数据集：

1. 打开数据集操作菜单
2. 点击 Delete
3. 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。”

Link to this section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] --> B[New Model]
    B --> C[Select Project]
    C --> D[Configure]
    D --> E[Start Training]

    style A fill:#2196F3,color:#fff
    style E fill:#4CAF50,color:#fff

详见 云端训练。

Link to this section常见问题解答#

Link to this section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

Link to this section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：不同用户上传的相同图像只存储一次
• 完整性：XXH3-128 哈希确保数据完整性
• 效率：降低存储成本并加快处理速度
• 区域性：数据保留在你选择的区域（美国、欧盟或亚太地区）

Link to this section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页面或使用上传按钮添加更多图像。新统计数据将自动计算。

Link to this section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）

Link to this section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：

Link to this section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（检测、分割、语义分割、姿态、OBB、分类）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，当你切回时它们会重新出现。