アフリカ野生動物データセット#

1,483

African Wildlife

ultralytics

publicDetect

Photos of large mammals commonly found in South African nature reserves, for wildlife monitoring and conservation research. Adapted by Ultralytics from Bianca Ferreira's original Kaggle release. Source: Bianca Ferreira, Kaggle; kaggle.com/datasets/biancaferreira/african-wildlife; docs.ultralytics.com/datasets/detect/african-wildlife.

94 classes194.1 MBOct 23, 2026

buffaloelephantrhinozebra

Ultralyticsアフリカ野生動物データセットは、南アフリカの自然保護区でよく見られるバッファロー、ゾウ、サイ、シマウマの4種類の動物クラスを対象とした、1,504枚の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枚にあらかじめ分割されており、初回のトレーニング時にデータセットが自動でダウンロードされます（~100 MB）。野生動物のモニタリング、保全、生態学研究向けのコンピューター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使えるベンチマークです。

視聴: アフリカ野生動物データセットで Ultralytics YOLO26 をトレーニングする方法 | 推論、メトリクス、ONNX エクスポート 🐘

データセットの構成#

Ultralyticsアフリカ野生動物データセットには、1,504枚の画像と4つのクラス（バッファロー、ゾウ、サイ、シマウマ）が含まれており、次の3つのサブセットにあらかじめ分割されています。

• トレーニングセット：1,052枚の画像があり、それぞれに対応するアノテーションが付属しています。
• 検証セット：225枚の画像があり、それぞれに対応するアノテーションが付属しています。
• テストセット：227枚の画像があり、それぞれに対応するアノテーションが付属しています。

Ultralytics PlatformのAfrican Wildlifeでは、アノテーションのオーバーレイ付き画像を閲覧したり、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、クローンしてクラウドで独自のモデルをトレーニングしたりできます。

用途#

Ultralytics African Wildlife Datasetは、次のようなさまざまな物体検出アプリケーションに対応しています。

• 野生動物の保全 — 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での動物個体数のモニタリングを支援します。
• 生態学研究 — さまざまな生息環境における種の分布と行動を調査します。
• 密猟対策の監視 — 広大な保護地域で、カメラトラップやドローンの映像に映る動物を検出します。
• 教育とプロトタイピング — モデルのトレーニングと予測を学ぶための、4クラスのコンパクトなデータセットです。

データセットYAML#

YAMLファイルでは、パス、クラス、その他の関連情報を含むデータセット設定を定義します。アフリカ野生動物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

使用方法#

提供されているコード例を使用すると、African Wildlife Datasetで画像サイズ640、100エポックの条件でYOLO26nモデルをトレーニングできます。

from ultralytics import YOLO

# モデルを読み込む
model = YOLO("yolo26n.pt")  # 事前トレーニング済みモデルを読み込みます（トレーニングにはこちらを推奨します）

# モデルをトレーニングする
results = model.train(data="african-wildlife.yaml", epochs=100, imgsz=640)

トレーニング後、ファインチューニング済みモデルで新しい画像に対する推論を実行します。

from ultralytics import YOLO

# モデルを読み込む
model = YOLO("path/to/best.pt")  # アフリカ野生動物データセットでファインチューニングしたモデルを読み込む

# モデルを使用した推論
results = model.predict("https://ultralytics.com/assets/african-wildlife-sample.jpg")

サンプル画像とアノテーション#

African Wildlife Datasetには、多様な動物種とその自然の生息地を写したさまざまな画像が含まれています。以下に、データセットの画像例と、それぞれに対応するアノテーションを示します。

• モザイク画像：このトレーニングバッチでは、モザイク処理というデータ拡張手法により、複数のデータセット画像を1枚にまとめています。この手法はバッチの多様性を高め、さまざまな物体サイズ、アスペクト比、コンテキストにわたるモデルの汎化を支援します。

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元のデータセット作成者、Bianca Ferreiraに感謝いたします。Ultralyticsチームは、Ultralytics YOLOモデルで使用できるよう、内部でデータセットを更新し、調整しました。元のデータセットにはライセンスが明記されていません。

このデータセットを研究に使用する場合は、記載されている情報を使っ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}
}

よくある質問#