アフリカ野生動物データセット#

1,483

african wildlife

ultralytics

publicDetect

African Wildlife contains buffalo, elephants, rhinos, and zebras photographed in natural outdoor settings. Balanced four-class bounding boxes provide a compact benchmark for wildlife localization, camera-trap analysis, conservation surveys, and animal monitoring.

94 classes194.1 MBSep 2, 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一般的に見られる4種類の動物クラス（バッファロー、ゾウ、サイ、シマウマ）にわたる1,504枚の画像で構成された物体検出データセットです。画像は1,052枚のトレーニング画像、225枚の検証画像、227枚のテスト画像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（~100 MB）が自動的にダウンロードされます。野生動物のモニタリング、保全、生態学的研究向けのコンピュータービジョンモデルのトレーニングに使用できる、コンパクトですぐに利用可能なベンチマークです。

データセットの構成#

Ultralytics アフリカ野生動物データセットは、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）で構成され、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。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。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。それぞれに対応するアノテーションが付いています。

Ultralytics Platform上のアフリカ野生動物を開くと、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、データセットをクローンしてクラウド上で独自のモデルをトレーニングしたりできます。

アプリケーション#

Ultralytics アフリカ野生動物データセットは、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モニタリングを支援します。
• 生態学的研究 — 異なる生息環境における種の分布や行動を研究します。
• 密猟対策の監視 — 広大な保護地域のトラップカメラ映像やドローン映像から動物を検出して通知します。
• 教育とプロトタイピング — モデルのトレーニングや推論を学習するための、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では、african-wildlife.yamlファイルが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#

アフリカ野生動物データセットで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ます。利用可能なパラメーターの一覧については、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)

トレーニング後、ファインチューニング済みの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")

サンプル画像とアノテーション#

アフリカ野生動物データセットは、多様な動物種とその自然な生息環境を写した、さまざまな画像で構成されています。以下に、データセット内の画像例を示します。それぞれに対応するアノテーションが付いています。

• モザイク画像: ここでは、データセット画像をモザイク化したトレーニングバッチを示します。モザイク化は、複数の画像を1枚に組み合わせてバッチの多様性を高めるトレーニング手法です。この手法により、異なる物体サイズ、アスペクト比、コンテキストに対するモデルの汎化能力を向上させることができます。

引用、ライセンス、謝辞#

このデータセットをコミュニティ向けに公開した原作者の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応を行いました。元のデータセットにはライセンスの指定がありません。

このデータセットを研究で使用する場合は、記載されている詳細情報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}
}

FAQ#