Set di dati sulla fauna africana
Questo set di dati mostra quattro classi di animali comuni che si trovano tipicamente nelle riserve naturali sudafricane. Include immagini di animali selvatici africani come il bufalo, l'elefante, il rinoceronte e la zebra, fornendo preziose informazioni sulle loro caratteristiche. Essenziale per l'addestramento di algoritmi di computer vision, questo set di dati aiuta a identificare gli animali in vari habitat, dagli zoo alle foreste, e supporta la ricerca sulla fauna selvatica.
Guarda: Rilevamento di animali selvatici africani con Ultralytics YOLOv8
Struttura del set di dati
Il set di dati per il rilevamento di oggetti della fauna africana è suddiviso in tre sottoinsiemi:
- Set di allenamento: Contiene 1052 immagini, ciascuna con le relative annotazioni.
- Set di convalida: Include 225 immagini, ciascuna con annotazioni accoppiate.
- Set di prova: Comprende 227 immagini, ciascuna con annotazioni accoppiate.
Applicazioni
Questo set di dati può essere applicato a diverse attività di computer vision come il rilevamento di oggetti, il tracciamento di oggetti e la ricerca. In particolare, può essere utilizzato per addestrare e valutare modelli per l'identificazione di oggetti della fauna africana nelle immagini, che possono trovare applicazione nella conservazione della fauna selvatica, nella ricerca ecologica e nel monitoraggio delle riserve naturali e delle aree protette. Inoltre, può fungere da preziosa risorsa a scopo didattico, consentendo a studenti e ricercatori di studiare e comprendere le caratteristiche e i comportamenti di diverse specie animali.
Set di dati YAML
Un file YAML (Yet Another Markup Language) definisce la configurazione del dataset, includendo percorsi, classi e altri dettagli pertinenti. Per il set di dati sulla fauna africana, il file african-wildlife.yaml
Il file si trova all'indirizzo https://github.com/ultralytics/ultralytics/blob/main/ultralytics/cfg/datasets/african-wildlife.yaml.
ultralytics/cfg/datasets/african-wildlife.yaml
# Ultralytics YOLO đ, 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
# âââ ultralytics
# âââ datasets
# âââ african-wildlife â 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://github.com/ultralytics/assets/releases/download/v0.0.0/african-wildlife.zip
Utilizzo
Per addestrare un modello YOLOv8n sul set di dati della fauna africana per 100 epoche con una dimensione dell'immagine di 640, usa gli esempi di codice forniti. Per un elenco completo dei parametri disponibili, consulta la pagina di addestramento del modello.
Esempio di treno
Esempio di inferenza
Immagini di esempio e annotazioni
Il set di dati sulla fauna africana comprende un'ampia varietĂ di immagini che mostrano diverse specie animali e i loro habitat naturali. Di seguito sono riportati alcuni esempi di immagini tratte dal dataset, ciascuna accompagnata dalle relative annotazioni.
- Immagine mosaicata: Qui presentiamo un batch di formazione composto da immagini del dataset mosaicate. La mosaicatura, una tecnica di formazione, combina piĂš immagini in una sola, arricchendo la diversitĂ del lotto. Questo metodo aiuta a migliorare la capacitĂ del modello di generalizzare tra oggetti di dimensioni, rapporti di aspetto e contesti diversi.
Questo esempio illustra la varietĂ e la complessitĂ delle immagini del set di dati sulla fauna africana, sottolineando i vantaggi dell'inclusione della mosaicatura durante il processo di formazione.
Citazioni e ringraziamenti
Il set di dati è stato rilasciato con la licenzaAGPL-3.0 .
DOMANDE FREQUENTI
Cos'è l'African Wildlife Dataset e come può essere utilizzato nei progetti di computer vision?
L'African Wildlife Dataset comprende immagini di quattro specie animali comuni presenti nelle riserve naturali sudafricane: bufalo, elefante, rinoceronte e zebra. Si tratta di una risorsa preziosa per l'addestramento di algoritmi di visione artificiale per il rilevamento di oggetti e l'identificazione di animali. Il dataset supporta diverse attivitĂ come il tracciamento degli oggetti, la ricerca e la conservazione. Per maggiori informazioni sulla sua struttura e sulle sue applicazioni, consulta la sezione Struttura del dataset e Applicazioni del dataset.
Come si addestra un modello YOLOv8 utilizzando il dataset African Wildlife?
Puoi addestrare un modello YOLOv8 sul dataset African Wildlife utilizzando il metodo african-wildlife.yaml
file di configurazione. Di seguito è riportato un esempio di come addestrare il modello YOLOv8n per 100 epoch con un'immagine di dimensioni 640:
Esempio
Per ulteriori parametri e opzioni di formazione, consulta la documentazione sulla formazione.
Dove posso trovare il file di configurazione YAML per l'African Wildlife Dataset?
Il file di configurazione YAML per l'African Wildlife Dataset, denominato african-wildlife.yaml
, può essere consultato all'indirizzo questo link GitHub. Questo file definisce la configurazione del dataset, compresi i percorsi, le classi e altri dettagli fondamentali per l'addestramento dei modelli di apprendimento automatico. Vedi il file Set di dati YAML per maggiori dettagli.
Posso vedere immagini di esempio e annotazioni dell'African Wildlife Dataset?
SĂŹ, l'African Wildlife Dataset include un'ampia varietĂ di immagini che mostrano diverse specie animali nei loro habitat naturali. Puoi vedere le immagini campione e le relative annotazioni nella sezione Immagini campione e annotazioni. Questa sezione illustra anche l'uso della tecnica del mosaico per combinare piĂš immagini in una sola per arricchire la diversitĂ dei lotti, migliorando la capacitĂ di generalizzazione del modello.
In che modo l'African Wildlife Dataset può essere utilizzato per supportare la conservazione e la ricerca sulla fauna selvatica?
L'African Wildlife Dataset è ideale per supportare la conservazione e la ricerca sulla fauna selvatica, consentendo la formazione e la valutazione di modelli per identificare la fauna africana in diversi habitat. Questi modelli possono aiutare a monitorare le popolazioni di animali, a studiarne il comportamento e a riconoscere le esigenze di conservazione. Inoltre, il set di dati può essere utilizzato a scopo didattico, aiutando studenti e ricercatori a comprendere le caratteristiche e i comportamenti delle diverse specie animali. Maggiori dettagli sono disponibili nella sezione Applicazioni.