Link to this sectionAfrican Wildlife Dataset#

このデータセットは、南アフリカの自然保護区で一般的に見られる4種類の動物クラスを紹介するものです。バッファロー、ゾウ、サイ、シマウマといったアフリカの野生動物の画像が含まれており、それらの特徴に関する貴重な知見を提供します。コンピュータビジョンアルゴリズムのトレーニングに不可欠なこのデータセットは、動物園から森林まで様々な環境における動物の識別に役立ち、野生動物の研究をサポートします。

Watch: How to Train Ultralytics YOLO26 on the African Wildlife Dataset | Inference, Metrics & ONNX Export 🐘

Link to this sectionデータセットの構造#

African Wildlife Datasetは、3つのサブセットに分割されています。

トレーニングセット: 1052枚の画像を含み、それぞれに対応するアノテーションが付いています。
検証セット: 225枚の画像を含み、それぞれに対応するアノテーションが付いています。
テストセット: 227枚の画像で構成され、それぞれに対応するアノテーションが付いています。

Link to this sectionアプリケーション#

このデータセットは、オブジェクト検出、オブジェクトトラッキング、研究など、様々なコンピュータビジョンのタスクに応用可能です。具体的には、画像内のアフリカの野生動物を識別するモデルのトレーニングや評価に使用でき、野生動物の保護、生態学的研究、自然保護区や保護地域におけるモニタリング活動に役立てることができます。さらに、教育目的の貴重なリソースとしても機能し、学生や研究者が様々な動物種の特徴や行動を学び、理解する一助となります。

Link to this sectionデータセット YAML#

YAML（Yet Another Markup Language）ファイルは、パス、クラス、その他関連する詳細を含むデータセット構成を定義します。African Wildlife Dataset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/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.zip

Link to this section使用方法#

African Wildlife Datasetを使用して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包括的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。

学習例

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)

推論の例

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には、多様な動物種とその自然生息地を紹介する幅広い画像が含まれています。以下はデータセットからの画像の例で、それぞれに対応するアノテーションが添えられています。

African wildlife dataset sample image

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。

この例は、African Wildlife Datasetにおける画像の多様性と複雑さを示しており、トレーニングプロセス中にモザイク処理を含める利点を強調しています。

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モデルとシームレスに使用できるように、社内で更新および適応させました。このデータセットはAGPL-3.0 Licenseの下で利用可能です。

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。

引用


@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 = {AGPL-3.0},
    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には、南アフリカの自然保護区で見られる4つの一般的な動物種（バッファロー、ゾウ、サイ、シマウマ）の画像が含まれています。これは、オブジェクト検出および動物識別のためのコンピュータビジョンアルゴリズムをトレーニングするための貴重なリソースです。このデータセットは、オブジェクトトラッキング、研究、保護活動などの様々なタスクをサポートします。構造や応用についての詳細は、データセット構成セクションおよびデータセットの応用を参照してください。

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。

例

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構成ファイル（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構成を定義します。詳細はデータセットYAMLセクションを参照してください。

Link to this sectionAfrican Wildlife Datasetのサンプル画像とアノテーションを見ることはできますか？#

はい、African Wildlife Datasetには、自然の生息地における多様な動物種を紹介する幅広い画像が含まれています。サンプル画像とそれに対応するアノテーションは、サンプル画像とアノテーションセクションで確認できます。このセクションでは、複数の画像を1つに統合してバッチの多様性を高め、モデルの汎化能力を向上させるモザイク処理技術の使用についても説明しています。

Link to this sectionAfrican Wildlife Datasetは、どのように野生動物の保護や研究をサポートするために使用できますか？#

African Wildlife Datasetは、様々な生息地のアフリカの野生動物を識別するモデルのトレーニングと評価を可能にすることで、野生動物の保護と研究をサポートするのに最適です。これらのモデルは、動物個体数のモニタリング、行動の研究、保護のニーズの認識を支援できます。さらに、このデータセットは教育目的でも利用でき、学生や研究者が様々な動物種の特徴や行動を理解するのに役立ちます。詳細は応用セクションで確認できます。

貢献者

GLglenn-jocher¹⁰ RIRizwanMunawar⁶ MAMatthewNoyce¹ BUBurhan-Q¹

作成日 2024年3月23日更新日先月