Link to this sectionمجموعة بيانات الحياة البرية الأفريقية#

مجموعة بيانات Ultralytics African Wildlife هي مجموعة بيانات لكشف الكائنات تحتوي على 1,504 صورة عبر 4 فئات من الحيوانات - الجاموس، والفيل، ووحيد القرن، والحمار الوحشي - التي توجد عادةً في المحميات الطبيعية بجنوب إفريقيا. يتم تقسيم الصور مسبقًا إلى 1,052 صورة للتدريب، و225 للتحقق من الصحة، و227 صورة للاختبار، ويتم تنزيل مجموعة البيانات تلقائيًا (~100 ميجابايت) في المرة الأولى التي تقوم فيها بالتدريب. إنها معيار مضغوط وجاهز للاستخدام لتدريب نماذج الرؤية الحاسوبية لمراقبة الحياة البرية والحفاظ عليها والبحوث البيئية.

Link to this sectionهيكل مجموعة البيانات#

تحتوي مجموعة بيانات Ultralytics African Wildlife على 1,504 صورة عبر 4 فئات (الجاموس، والفيل، ووحيد القرن، والحمار الوحشي)، مقسمة مسبقًا إلى ثلاث مجموعات فرعية:

• مجموعة التدريب: 1,052 صورة، كل منها مع التوضيحات المقابلة لها.
• مجموعة التحقق من الصحة: 225 صورة، كل منها مع توضيحات مقترنة.
• مجموعة الاختبار: 227 صورة، كل منها مع توضيحات مقترنة.

استكشف African Wildlife على منصة Ultralytics لتصفح الصور مع تراكبات التوضيحات الخاصة بها، وعرض توزيع الفئات وخرائط التمثيل اللوني لصناديق الإحاطة في علامة تبويب الرسوم البيانية، واستنسخها لتدريب نموذجك الخاص في السحابة.

Link to this sectionالتطبيقات#

تدعم مجموعة بيانات Ultralytics African Wildlife مجموعة من تطبيقات كشف الكائنات:

• الحفاظ على الحياة البرية - كشف وإحصاء الجاموس والفيل ووحيد القرن والحمار الوحشي لدعم مراقبة أعداد الحيوانات في المحميات الطبيعية والمناطق المحمية.
• البحوث البيئية - دراسة توزيع الأنواع وسلوكها عبر الموائل المختلفة.
• مراقبة مكافحة الصيد الجائر - تحديد الحيوانات في لقطات كاميرات المراقبة أو الطائرات بدون طيار فوق المناطق المحمية الكبيرة.
• التعليم والنماذج الأولية - مجموعة بيانات مدمجة من أربع فئات لتعلم تدريب النماذج والتنبؤ.

Link to this sectionYAML مجموعة البيانات#

يحدد ملف YAML إعدادات مجموعة البيانات، بما في ذلك المسارات والفئات والتفاصيل الأخرى ذات الصلة. بالنسبة لمجموعة بيانات African Wildlife، يوجد ملف african-wildlife.yaml على الرابط https://github.com/ultralytics/ultralytics/blob/main/ultralytics/cfg/datasets/african-wildlife.yaml.

# Ultralytics 🚀 AGPL-3.0 License - https://ultralytics.com/license

# African Wildlife dataset by Ultralytics
# Documentation: https://docs.ultralytics.com/datasets/detect/african-wildlife
# Example usage: yolo train data=african-wildlife.yaml
# parent
# ├── ultralytics
# └── datasets
#     └── african-wildlife ← downloads here (100 MB)

# Train/val/test sets as 1) dir: path/to/imgs, 2) file: path/to/imgs.txt, or 3) list: [path/to/imgs1, path/to/imgs2, ..]
path: african-wildlife # dataset root dir
train: images/train # train images (relative to 'path') 1052 images
val: images/val # val images (relative to 'path') 225 images
test: images/test # test images (relative to 'path') 227 images

# Classes
names:
  0: buffalo
  1: elephant
  2: rhino
  3: zebra

# Download script/URL (optional)
download: https://github.com/ultralytics/assets/releases/download/v0.0.0/african-wildlife.zip

Link to this sectionالاستخدام#

لتدريب نموذج YOLO26n على مجموعة بيانات African Wildlife لمدة 100 حقبة بحجم صورة 640، استخدم عينات الكود المقدمة. للحصول على قائمة شاملة بالمعلمات المتاحة، راجع صفحة التدريب الخاصة بالنموذج.

from ultralytics import YOLO

# Load a model
model = YOLO("yolo26n.pt")  # load a pretrained model (recommended for training)

# Train the model
results = model.train(data="african-wildlife.yaml", epochs=100, imgsz=640)

بمجرد التدريب، قم بتشغيل الاستدلال باستخدام النموذج الذي تم ضبطه بدقة على صور جديدة:

from ultralytics import YOLO

# Load a model
model = YOLO("path/to/best.pt")  # load an African wildlife fine-tuned model

# Inference using the model
results = model.predict("https://ultralytics.com/assets/african-wildlife-sample.jpg")

Link to this sectionصور وشروحات توضيحية عينة#

تتكون مجموعة بيانات African Wildlife من مجموعة متنوعة من الصور التي تعرض أنواعًا مختلفة من الحيوانات وموائلها الطبيعية. فيما يلي أمثلة على صور من مجموعة البيانات، كل منها مصحوب بالتوضيحات المقابلة لها.

• صورة مفسفسة (Mosaiced Image): هنا، نقدم دفعة تدريب تتكون من صور مجموعة بيانات مفسفسة. التفسيف (Mosaicing)، وهو أسلوب تدريب، يجمع صوراً متعددة في صورة واحدة، مما يثري تنوع الدفعة. تساعد هذه الطريقة في تعزيز قدرة النموذج على التعميم عبر أحجام كائنات ونسب عرض إلى ارتفاع وسياقات مختلفة.

Link to this sectionالاقتباسات، والترخيص، والتقديرات#

نود أن نشكر مؤلفة مجموعة البيانات الأصلية، Bianca Ferreira، لإتاحتها لهذه المجموعة للمجتمع. قام فريق Ultralytics بتحديثها وتكييفها داخليًا بحيث يمكن استخدامها بسلاسة مع نماذج Ultralytics YOLO. لا تحدد مجموعة البيانات المصدر أي ترخيص.

إذا كنت تستخدم مجموعة البيانات هذه في بحثك، فيرجى الاستشهاد بها باستخدام التفاصيل المذكورة:

@dataset{Ferreira_African_Wildlife_Ultralytics_Adaptation_2024,
    author  = {Ferreira, Bianca},
    title   = {African Wildlife Detection Dataset (Ultralytics YOLO Adaptation)},
    url     = {https://docs.ultralytics.com/datasets/detect/african-wildlife/},
    note    = {Original dataset by Bianca Ferreira; adapted for Ultralytics YOLO by Glenn Jocher and Muhammad Rizwan Munawar},
    license = {Not specified},
    version = {1.0.0},
    year    = {2024}
}

Link to this sectionالأسئلة الشائعة#

Link to this sectionما هي مجموعة بيانات الحياة البرية الأفريقية، وكيف يمكن استخدامها في مشاريع رؤية الحاسوب؟#

مجموعة بيانات African Wildlife هي مجموعة بيانات لكشف الكائنات من 1,504 صورة عبر 4 فئات من الحيوانات - الجاموس، والفيل، ووحيد القرن، والحمار الوحشي - توجد في المحميات الطبيعية بجنوب إفريقيا. تُستخدم لتدريب وتقييم نماذج لتحديد الحياة البرية الإفريقية في الصور، مما يدعم الحفاظ على الحياة البرية والبحوث البيئية والمراقبة في المحميات الطبيعية. كما أنها بمثابة مورد يسهل الوصول إليه للطلاب والباحثين الذين يدرسون الرؤية الحاسوبية.

Link to this sectionكم عدد الصور والفئات الموجودة في مجموعة بيانات African Wildlife؟#

تحتوي مجموعة بيانات Ultralytics African Wildlife على 1,504 صورة عبر 4 فئات: الجاموس، والفيل، ووحيد القرن، والحمار الوحشي. يتم تقسيم الصور مسبقًا إلى 1,052 صورة للتدريب، و225 للتحقق من الصحة، و227 صورة للاختبار، ويتم تنزيل مجموعة البيانات تلقائيًا (~100 ميجابايت) في المرة الأولى التي تقوم فيها بالتدريب.

Link to this sectionكيف يمكنني تدريب نموذج YOLO26 باستخدام مجموعة بيانات الحياة البرية الأفريقية؟#

يمكنك تدريب نموذج YOLO26 على مجموعة بيانات الحياة البرية الأفريقية باستخدام ملف الإعدادات african-wildlife.yaml. فيما يلي مثال لكيفية تدريب نموذج YOLO26n لمدة 100 دورة تدريبية بحجم صورة 640:

from ultralytics import YOLO

# Load a model
model = YOLO("yolo26n.pt")  # load a pretrained model (recommended for training)

# Train the model
results = model.train(data="african-wildlife.yaml", epochs=100, imgsz=640)

للحصول على معلمات وخيارات تدريب إضافية، راجع وثائق التدريب.

Link to this sectionأين يمكنني العثور على ملف إعدادات YAML لمجموعة بيانات الحياة البرية الأفريقية؟#

يمكن العثور على ملف تكوين YAML لمجموعة بيانات African Wildlife، والذي يحمل اسم african-wildlife.yaml، على رابط GitHub هذا. يحدد هذا الملف تكوين مجموعة البيانات، بما في ذلك المسارات والفئات وتفاصيل أخرى ضرورية لتدريب نماذج التعلم الآلي.

Link to this sectionما هو الترخيص الذي صدرت بموجبه مجموعة بيانات African Wildlife؟#

لا تحدد مجموعة البيانات المصدر أي ترخيص. تم نشرها في الأصل على Kaggle بواسطة Bianca Ferreira وقامت Ultralytics بتكييفها للاستخدام السلس مع نماذج Ultralytics YOLO. إذا كنت تستخدم مجموعة البيانات في بحثك، فيرجى الاستشهاد بها باستخدام إدخال BibTeX في قسم الاقتباسات.