सामग्री पर जाएं

अफ्रीकी वन्यजीव डेटासेट

यह डेटासेट आमतौर पर दक्षिण अफ्रीकी प्रकृति भंडार में पाए जाने वाले चार सामान्य पशु वर्गों को प्रदर्शित करता है। इसमें अफ्रीकी वन्यजीवों जैसे भैंस, हाथी, गैंडा और ज़ेबरा की छवियां शामिल हैं, जो उनकी विशेषताओं में मूल्यवान अंतर्दृष्टि प्रदान करती हैं। कंप्यूटर विज़न एल्गोरिदम के प्रशिक्षण के लिए आवश्यक, यह डेटासेट चिड़ियाघरों से लेकर जंगलों तक विभिन्न आवासों में जानवरों की पहचान करने में सहायता करता है और वन्यजीव अनुसंधान का समर्थन करता है।

डेटासेट संरचना

अफ्रीकी वन्यजीव वस्तुओं का पता लगाने वाले डेटासेट को तीन सबसेट में विभाजित किया गया है:

  • प्रशिक्षण सेट: इसमें 1052 छवियां शामिल हैं, जिनमें से प्रत्येक में संबंधित एनोटेशन हैं।
  • पुष्टि सेट: इसमें 225 इमेज शामिल हैं, जिनमें से हर इमेज में जोड़े गए एनोटेशन हैं.
  • परीक्षण सेट: 227 चित्र शामिल हैं, प्रत्येक युग्मित एनोटेशन के साथ।

अनुप्रयोगों

इस डेटासेट को विभिन्न कंप्यूटर दृष्टि कार्यों जैसे ऑब्जेक्ट डिटेक्शन, ऑब्जेक्ट ट्रैकिंग और रिसर्च में लागू किया जा सकता है। विशेष रूप से, इसका उपयोग छवियों में अफ्रीकी वन्यजीव वस्तुओं की पहचान करने के लिए मॉडल को प्रशिक्षित करने और मूल्यांकन करने के लिए किया जा सकता है, जिसमें वन्यजीव संरक्षण, पारिस्थितिक अनुसंधान और प्राकृतिक भंडार और संरक्षित क्षेत्रों में निगरानी के प्रयासों में अनुप्रयोग हो सकते हैं। इसके अतिरिक्त, यह शैक्षिक उद्देश्यों के लिए एक मूल्यवान संसाधन के रूप में काम कर सकता है, जिससे छात्रों और शोधकर्ताओं को विभिन्न जानवरों की प्रजातियों की विशेषताओं और व्यवहारों का अध्ययन करने और समझने में सक्षम बनाया जा सकता है।

डेटासेट YAML

एक YAML (अभी तक एक और मार्कअप भाषा) फ़ाइल डेटासेट कॉन्फ़िगरेशन को परिभाषित करती है, जिसमें पथ, वर्ग और अन्य प्रासंगिक विवरण शामिल हैं। अफ्रीकी वन्यजीव डेटासेट के लिए, african-wildlife.yaml फ़ाइल पर स्थित है https://github.com/ultralytics/ultralytics/blob/main/ultralytics/cfg/datasets/african-wildlife.yaml.

ultralytics/cfg/datasets/african-wildlife.yaml

# Ultralytics YOLO 🚀, AGPL-3.0 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: ../datasets/african-wildlife # dataset root dir
train: train/images # train images (relative to 'path') 1052 images
val: valid/images # val images (relative to 'path') 225 images
test: test/images # test images (relative to 'path') 227 images

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

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

उपयोग

एक प्रशिक्षित करने के लिए YOLOv8n 640 के छवि आकार के साथ 100 युगों के लिए अफ्रीकी वन्यजीव डेटासेट पर मॉडल, प्रदान किए गए कोड नमूनों का उपयोग करें। उपलब्ध मापदंडों की व्यापक सूची के लिए, मॉडल का प्रशिक्षण पृष्ठ देखें।

ट्रेन का उदाहरण

from ultralytics import YOLO

# Load a model
model = YOLO('yolov8n.pt')  # load a pretrained model (recommended for training)

# Train the model
results = model.train(data='african-wildlife.yaml', epochs=100, imgsz=640)
# Start training from a pretrained *.pt model
yolo detect train data=african-wildlife.yaml model=yolov8n.pt epochs=100 imgsz=640

अनुमान उदाहरण

from ultralytics import YOLO

# Load a model
model = YOLO('path/to/best.pt')  # load a brain-tumor fine-tuned model

# Inference using the model
results = model.predict("https://ultralytics.com/assets/african-wildlife-sample.jpg")
# Start prediction with a finetuned *.pt model
yolo detect predict model='path/to/best.pt' imgsz=640 source="https://ultralytics.com/assets/african-wildlife-sample.jpg"

नमूना छवियाँ और एनोटेशन

अफ्रीकी वन्यजीव डेटासेट में विविध जानवरों की प्रजातियों और उनके प्राकृतिक आवासों को प्रदर्शित करने वाली विभिन्न प्रकार की छवियां शामिल हैं। नीचे डेटासेट से छवियों के उदाहरण दिए गए हैं, प्रत्येक इसके संबंधित एनोटेशन के साथ।

अफ्रीकी वन्यजीव डेटासेट नमूना छवि

  • मोज़ेड छवि: यहां, हम एक प्रशिक्षण बैच प्रस्तुत करते हैं जिसमें मोज़ेक डेटासेट छवियां शामिल हैं। मोज़ेसिंग, एक प्रशिक्षण तकनीक, बैच विविधता को समृद्ध करते हुए, कई छवियों को एक में जोड़ती है। यह विधि विभिन्न ऑब्जेक्ट आकारों, पहलू अनुपात और संदर्भों में सामान्यीकरण करने की मॉडल की क्षमता को बढ़ाने में मदद करती है।

यह उदाहरण अफ्रीकी वन्यजीव डेटासेट में छवियों की विविधता और जटिलता को दर्शाता है, प्रशिक्षण प्रक्रिया के दौरान मोज़ेकिंग को शामिल करने के लाभों पर जोर देता है।

प्रशंसा पत्र और पावती

डेटासेट के तहत उपलब्ध जारी किया गया है AGPL-3.0 लाइसेंस



2024-03-23 बनाया गया, अपडेट किया गया 2024-04-02
लेखक: बुरहान-क्यू (1), रिजवान मुनव्वर (1)

टिप्पणियाँ