Link to this sectionAfrican Wildlife Dataset#

Ultralytics African Wildlife Datasetは、南アフリカの自然保護区で一般的に見られる4つの動物クラス（バッファロー、ゾウ、サイ、シマウマ）を含む1,504枚の画像で構成された物体検出データセットです。画像はトレーニング用1,052枚、検証用225枚、テスト用227枚に分割済みで、最初のトレーニング時にデータセットが自動的にダウンロード（約100 MB）されます。これは、野生生物の監視、保全、生態学研究のためのコンピュータビジョンモデルをトレーニングするための、コンパクトですぐに利用可能なベンチマークです。

Link to this sectionデータセットの構造#

Ultralytics African Wildlife Datasetには、4つのクラス（バッファロー、ゾウ、サイ、シマウマ）にわたる1,504枚の画像が含まれており、3つのサブセットに事前分割されています。

• トレーニングセット: 1,052枚の画像（各画像に対応するアノテーション付き）。
• 検証セット: 225枚の画像（各画像に対応するアノテーション付き）。
• テストセット: 227枚の画像（各画像に対応するアノテーション付き）。

Ultralytics PlatformのAfrican Wildlifeにアクセスして、アノテーションオーバーレイ付きの画像を閲覧したり、Chartsタブでクラス分布やバウンディングボックスのヒートマップを確認したり、クラウド上で独自のモデルをトレーニングするためにクローンしたりできます。

Link to this sectionアプリケーション#

Ultralytics African Wildlife Datasetは、さまざまな物体検出アプリケーションをサポートしています。

• 野生生物の保全 — バッファロー、ゾウ、サイ、シマウマを検出・カウントし、自然保護区や保護地域における動物の個体数モニタリングを支援します。
• 生態学研究 — さまざまな生息地における種の分布や行動を研究します。
• 密猟防止監視 — 広大な保護地域におけるカメラトラップやドローン映像内の動物を特定します。
• 教育およびプロトタイピング — モデルのトレーニングや予測を学ぶための、4クラスのコンパクトなデータセットです。

Link to this sectionデータセット YAML#

YAMLファイルは、パス、クラス、その他の関連する詳細を含むデータセットの設定を定義します。African Wildlifeデータセットの場合、african-wildlife.yamlファイルはhttps://github.com/ultralytics/ultralytics/blob/main/ultralytics/cfg/datasets/african-wildlife.yamlにあります。

# 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 section使用方法#

African Wildlife DatasetでYOLO26nモデルを画像サイズ640、100 エポックでトレーニングするには、提供されているコードサンプルを使用してください。利用可能なパラメータの完全なリストについては、モデルのトレーニングページを参照してください。

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)

トレーニングが完了したら、微調整されたモデルを使用して新しい画像に対して推論を実行します。

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 sectionサンプル画像とアノテーション#

African Wildlife Datasetは、多様な動物種とその自然生息地を紹介する幅広い画像で構成されています。以下はデータセット内の画像例で、それぞれに対応するアノテーションが付けられています。

• モザイク画像: ここでは、モザイク処理されたデータセット画像で構成されるトレーニングバッチを紹介します。トレーニング技術であるモザイク処理は、複数の画像を1つに統合し、バッチの多様性を高めます。この手法は、様々なオブジェクトサイズ、アスペクト比、コンテキスト全体でモデルが汎化する能力を向上させるのに役立ちます。

Link to this section引用、ライセンス、謝辞#

このデータセットをコミュニティに公開してくださったオリジナルのデータセット作成者である Bianca Ferreira 氏に感謝いたします。Ultralyticsチームは、Ultralytics YOLO モデルでシームレスに使用できるよう、内部で更新および適合させました。ソースデータセットにライセンスの指定はありません。

研究でこのデータセットを使用する場合は、以下の詳細を使用して引用してください。

@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 sectionよくある質問 (FAQ)#

Link to this sectionAfrican Wildlife Datasetとは何か、またコンピュータビジョンプロジェクトでどのように使用できますか？#

African Wildlife Datasetは、南アフリカの自然保護区で見られる4つの動物クラス（バッファロー、ゾウ、サイ、シマウマ）を含む1,504枚の画像の物体検出データセットです。画像内のアフリカの野生生物を特定するためのモデルのトレーニングや評価に使用され、野生生物の保全、生態学研究、自然保護区での監視を支援します。また、コンピュータビジョンを学ぶ学生や研究者にとってアクセスしやすいリソースでもあります。

Link to this sectionAfrican Wildlife Datasetには何枚の画像といくつのクラスが含まれていますか？#

Ultralytics African Wildlife Datasetには、4つのクラス（バッファロー、ゾウ、サイ、シマウマ）にわたる1,504枚の画像が含まれています。画像はトレーニング用1,052枚、検証用225枚、テスト用227枚に事前分割されており、最初のトレーニング時にデータセットが自動的にダウンロード（約100 MB）されます。

Link to this sectionAfrican Wildlife Datasetを使用してYOLO26モデルをトレーニングするにはどうすればよいですか？#

african-wildlife.yaml構成ファイルを使用することで、African Wildlife DatasetでYOLO26モデルをトレーニングできます。以下は、YOLO26nモデルを100エポック、画像サイズ640でトレーニングする例です。

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)

追加のトレーニングパラメータやオプションについては、トレーニングのドキュメントを参照してください。

Link to this sectionAfrican Wildlife DatasetのYAML構成ファイルはどこにありますか？#

African Wildlife DatasetのYAML設定ファイルであるafrican-wildlife.yamlは、こちらのGitHubリンクから入手できます。このファイルは、機械学習モデルのトレーニングに不可欠なパス、クラス、その他の詳細を含むデータセットの設定を定義しています。

Link to this sectionAfrican Wildlife Datasetはどのライセンスの下でリリースされていますか？#

ソースデータセット にライセンスの指定はありません。これは元々KaggleでBianca Ferreira氏によって公開され、Ultralytics YOLO モデルでシームレスに使用するためにUltralyticsが適合させたものです。研究でこのデータセットを使用する場合は、Citations セクションのBibTeXエントリを使用して引用してください。