Datensatz zur afrikanischen Tierwelt
Der Ultralytics-Datensatz zur afrikanischen Tierwelt ist ein Datensatz zur Objekterkennung mit 1.504 Bildern aus 4 Tierklassen – Büffel, Elefant, Nashorn und Zebra –, die häufig in südafrikanischen Naturschutzgebieten vorkommen. Die Bilder sind bereits in 1.052 Trainings-, 225 Validierungs- und 227 Testbilder aufgeteilt. Beim ersten Trainingsstart wird der Datensatz automatisch heruntergeladen (~100 MB). Dieser kompakte, sofort einsatzbereite Benchmark eignet sich zum Trainieren von Bildverarbeitungs-Modellen für die Beobachtung von Wildtieren, den Naturschutz und die ökologische Forschung.
Ansehen: So trainierst du Ultralytics YOLO26 mit dem Datensatz zu afrikanischen Wildtieren | Inferenz, Metriken und ONNX-Export 🐘
Datensatzstruktur#
Der Ultralytics-Datensatz zur afrikanischen Tierwelt umfasst 1.504 Bilder aus 4 Klassen (Büffel, Elefant, Nashorn und Zebra), die bereits in drei Teilmengen aufgeteilt sind:
- Trainingsdatensatz: 1.052 Bilder, jeweils mit den zugehörigen Annotationen.
- Validierungsdatensatz: 225 Bilder, jeweils mit den zugehörigen Annotationen.
- Testdatensatz: 227 Bilder, jeweils mit den zugehörigen Annotationen.
Der Datensatz zur afrikanischen Tierwelt (~100 MB) wird automatisch heruntergeladen, sobald du das Training zum ersten Mal startest. Ein manueller Download oder eine Vorbereitung ist daher nicht erforderlich.
Entdecke African Wildlife auf der Ultralytics Platform, um die Bilder mit ihren Annotationseinblendungen anzusehen, die Klassenverteilung und Begrenzungsrahmen-Heatmaps im Tab Charts zu betrachten und den Datensatz zu klonen, um dein eigenes Modell in der Cloud zu trainieren.
Anwendungsfälle#
Der Ultralytics-Datensatz zu afrikanischen Wildtieren unterstützt eine Reihe von Anwendungen zur Objekterkennung:
- Wildtierschutz — Erkenne und zähle Büffel, Elefanten, Nashörner und Zebras, um die Überwachung von Tierbeständen in Naturschutzgebieten und Schutzgebieten zu unterstützen.
- Ökologische Forschung — Untersuche die Verbreitung und das Verhalten von Arten in unterschiedlichen Lebensräumen.
- Überwachung zur Bekämpfung der Wilderei — Erkenne Tiere auf Aufnahmen von Fotofallen oder Drohnen in weitläufigen Schutzgebieten.
- Bildung und Prototyping — Ein kompakter Datensatz mit vier Klassen, um Modelltraining und Vorhersagen zu erlernen.
YAML-Datei des Datensatzes#
Eine YAML-Datei definiert die Datensatzkonfiguration, darunter Pfade, Klassen und weitere wichtige Angaben. Für den Datensatz zur afrikanischen Tierwelt befindet sich die Datei african-wildlife.yaml unter 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.zipVerwendung#
Um ein YOLO26n-Modell 100 Epochen lang mit Bildgröße 640 auf dem African Wildlife Dataset zu trainieren, verwende die bereitgestellten Codebeispiele.
from ultralytics import YOLO
# Ein Modell laden
model = YOLO("yolo26n.pt") # ein vortrainiertes Modell laden (für das Training empfohlen)
# Das Modell trainieren
results = model.train(data="african-wildlife.yaml", epochs=100, imgsz=640)Führe nach dem Training mit dem feinabgestimmten Modell Inferenz auf neuen Bildern aus:
from ultralytics import YOLO
# Ein Modell laden
model = YOLO("path/to/best.pt") # ein feinabgestimmtes Modell für die afrikanische Tierwelt laden
# Inferenz mit dem Modell
results = model.predict("https://ultralytics.com/assets/african-wildlife-sample.jpg")Beispielbilder und Annotationen#
Der African-Wildlife-Datensatz umfasst eine Vielzahl von Bildern, die unterschiedliche Tierarten und ihre natürlichen Lebensräume zeigen. Unten findest du Beispiele aus dem Datensatz, jeweils mit den entsprechenden Annotationen.

- Mosaikbild: Dieser Trainingsbatch kombiniert mehrere Datensatzbilder mithilfe einer Mosaiktransformation zu einem Bild. Diese Datenerweiterung erhöht die Vielfalt im Batch und hilft dem Modell, über verschiedene Objektgrößen, Seitenverhältnisse und Kontexte hinweg zu generalisieren.
Zitate, Lizenz und Danksagungen#
Wir möchten der ursprünglichen Autorin des Datensatzes, Bianca Ferreira, dafür danken, dass sie ihn der Community zur Verfügung gestellt hat. Das Ultralytics-Team hat den Datensatz intern aktualisiert und für die Verwendung mit Ultralytics-YOLO-Modellen angepasst. Im Quelldatensatz ist keine Lizenz angegeben.
Wenn du diesen Datensatz in deiner Forschung verwendest, zitiere ihn bitte anhand der folgenden Angaben:
@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}
}Häufig gestellte Fragen#
Der Datensatz zur afrikanischen Tierwelt ist ein Datensatz zur Objekterkennung mit 1.504 Bildern aus 4 Tierklassen – Büffel, Elefant, Nashorn und Zebra –, die in südafrikanischen Naturschutzgebieten vorkommen. Er dient zum Trainieren und Bewerten von Modellen, die afrikanische Wildtiere auf Bildern erkennen. Das unterstützt den Wildtierschutz, die ökologische Forschung und die Beobachtung in Naturschutzgebieten. Außerdem ist er eine leicht zugängliche Ressource für Studierende und Forschende im Bereich Bildverarbeitung.
Der Ultralytics-Datensatz zur afrikanischen Tierwelt umfasst 1.504 Bilder aus 4 Klassen: Büffel, Elefant, Nashorn und Zebra. Die Bilder sind bereits in 1.052 Trainings-, 225 Validierungs- und 227 Testbilder aufgeteilt. Beim ersten Training wird der Datensatz automatisch heruntergeladen (~100 MB).
Du kannst ein YOLO26-Modell mit dem Datensatz zur afrikanischen Tierwelt trainieren, indem du die Konfigurationsdatei
african-wildlife.yamlverwendest. Hier siehst du, wie du das YOLO26n-Modell 100 Epochen lang mit einer Bildgröße von 640 trainierst:Beispielfrom ultralytics import YOLO # Ein Modell laden model = YOLO("yolo26n.pt") # ein vortrainiertes Modell laden (für das Training empfohlen) # Das Modell trainieren results = model.train(data="african-wildlife.yaml", epochs=100, imgsz=640)Weitere Trainingsparameter und Optionen findest du in der Dokumentation zum Training.
Die YAML-Konfigurationsdatei des African-Wildlife-Datensatzes,
african-wildlife.yaml, definiert die Datensatzkonfiguration einschließlich Pfaden, Klassen und weiteren wichtigen Angaben für das Training von Machine-Learning-Modellen.Im Quelldatensatz ist keine Lizenz angegeben. Bianca Ferreira veröffentlichte ihn ursprünglich auf Kaggle; Ultralytics passte ihn für die Verwendung mit Ultralytics-YOLO-Modellen an. Wenn du den Datensatz in deiner Forschung verwendest, zitiere ihn bitte mithilfe des BibTeX-Eintrags im Abschnitt Zitate.
Kommentare2
Stell eine Frage, teile deine Ergebnisse oder hilf jemand anderem.
LuizRosa987
Como faço a citação do conjunto de dados?
Glenn JocherUltralytics(bearbeitet)Para citar o conjunto de dados African Wildlife, use a entrada BibTeX da seção Citações e agradecimentos da documentação. O conjunto de dados original foi criado por Bianca Ferreira (Kaggle) e adaptado pela Ultralytics para os modelos Ultralytics YOLO.



