مجموعة بيانات الحياة البرية الأفريقية#

1,483

african wildlife

ultralytics

publicDetect

African Wildlife contains buffalo, elephants, rhinos, and zebras photographed in natural outdoor settings. Balanced four-class bounding boxes provide a compact benchmark for wildlife localization, camera-trap analysis, conservation surveys, and animal monitoring.

94 classes194.1 MBSep 2, 2026

buffaloelephantrhinozebra

مجموعة بيانات الحياة البرية الأفريقية من Ultralytics هي مجموعة بيانات لـاكتشاف الكائنات تضم 1,504 صور موزعة على 4 فئات حيوانية — الجاموس والفيل ووحيد القرن والحمار الوحشي — الشائعة في المحميات الطبيعية بجنوب أفريقيا. قُسّمت الصور مسبقًا إلى 1,052 صورة للتدريب و225 للتحقق و227 للاختبار، وتُنزل مجموعة البيانات تلقائيًا (~100 MB) عند التدريب للمرة الأولى. وهي معيار صغير الحجم وجاهز للاستخدام لتدريب نماذج الرؤية الحاسوبية على مراقبة الحياة البرية والحفاظ عليها والبحث البيئي.

بنية مجموعة البيانات#

تضم مجموعة بيانات الحياة البرية الأفريقية من Ultralytics 1,504 صور موزعة على 4 فئات (الجاموس والفيل ووحيد القرن والحمار الوحشي)، ومقسّمة مسبقًا إلى ثلاث مجموعات فرعية:

• مجموعة التدريب: 1,052 صورة، ولكل صورة تعليقات توضيحية مقابلة.
• مجموعة التحقق: 225 صورة، ولكل صورة تعليقات توضيحية مقابلة.
• مجموعة الاختبار: 227 صورة، ولكل صورة تعليقات توضيحية مقابلة.

استكشف الحياة البرية الأفريقية على منصة Ultralytics لتصفح الصور مع طبقات عرض التعليقات التوضيحية، والاطلاع على توزيع الفئات والخرائط الحرارية لمربعات الإحاطة في علامة التبويب Charts، واستنساخها لتدريب نموذجك الخاص سحابيًا.

التطبيقات#

تدعم مجموعة بيانات الحياة البرية الأفريقية من Ultralytics مجموعة من تطبيقات اكتشاف الكائنات:

• الحفاظ على الحياة البرية — اكتشف الجاموس والفيلة ووحيد القرن والحمر الوحشية واحسب أعدادها لدعم مراقبة أعداد الحيوانات في المحميات الطبيعية والمناطق المحمية.
• البحث البيئي — ادرس توزيع الأنواع وسلوكها في الموائل المختلفة.
• مراقبة مكافحة الصيد الجائر — رصد الحيوانات في لقطات مصائد الكاميرات أو الطائرات المسيّرة ضمن مناطق محمية واسعة.
• التعليم وإنشاء النماذج الأولية — مجموعة بيانات صغيرة تضم أربع فئات لتعلّم تدريب النماذج والتنبؤ.

ملف YAML لمجموعة البيانات#

يعرّف ملف YAML إعدادات مجموعة البيانات، بما في ذلك المسارات والفئات والتفاصيل الأخرى ذات الصلة. وبالنسبة إلى مجموعة بيانات الحياة البرية الأفريقية، يوجد الملف african-wildlife.yaml في 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

الاستخدام#

لتدريب نموذج YOLO26n على مجموعة بيانات الحياة البرية الأفريقية لمدة 100 حقبة وبحجم صورة 640، استخدم أمثلة الشيفرة المتوفرة. للاطلاع على القائمة الكاملة للمعلمات المتاحة، راجع صفحة التدريب الخاصة بالنموذج.

from ultralytics import YOLO

# ⁨تحميل نموذج⁩
model = YOLO("yolo26n.pt")  # ⁨تحميل نموذج مدرّب مسبقًا (موصى به للتدريب)⁩

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

بعد اكتمال التدريب، نفّذ الاستدلال باستخدام النموذج المضبوط بدقة على صور جديدة:

from ultralytics import YOLO

# ⁨تحميل نموذج⁩
model = YOLO("path/to/best.pt")  # ⁨تحميل نموذج للحياة البرية الأفريقية مضبوط بدقة⁩

# ⁨الاستدلال باستخدام النموذج⁩
results = model.predict("https://ultralytics.com/assets/african-wildlife-sample.jpg")

صور وتعليقات توضيحية نموذجية#

تضم مجموعة بيانات الحياة البرية الأفريقية تشكيلة واسعة من الصور التي تعرض أنواعًا حيوانية متنوعة وموائلها الطبيعية. فيما يلي أمثلة على صور من مجموعة البيانات، مع التعليقات التوضيحية المقابلة لكل منها.

• صورة مُركّبة بالفسيفساء: نعرض هنا دفعة تدريبية تتكون من صور مجموعة البيانات المدمجة بتقنية الفسيفساء. تجمع تقنية الفسيفساء، وهي أسلوب للتدريب، صورًا متعددة في صورة واحدة، ما يزيد تنوع الدفعة. ويساعد هذا الأسلوب في تحسين قدرة النموذج على التعميم عبر أحجام الكائنات ونسب أبعادها وسياقاتها المختلفة.

الاستشهادات والترخيص والشكر#

نتوجه بالشكر إلى مؤلفة مجموعة البيانات الأصلية، Bianca Ferreira، لإتاحتها للمجتمع. حدّث فريق Ultralytics مجموعة البيانات وكيّفها داخليًا لتصبح قابلة للاستخدام بسلاسة مع نماذج Ultralytics YOLO. ولا تحدد مجموعة البيانات المصدر ترخيصًا.

إذا استخدمت مجموعة البيانات هذه في بحثك، فيُرجى 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}
}

الأسئلة الشائعة#