African 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バッファロー、ゾウ、サイ、シマウマの4つの動物クラスにわたる1,504枚の画像で構成されるobject detectionデータセットです。画像はトレーニング用に1,052枚、検証用に225枚、テスト用に227枚に事前分割されており、初めてトレーニングを行う際にデータセットが自動的にダウンロードされます（約100 MB）。これは、野生生物のモニタリング、保全、生態系研究のためのcomputer vision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。

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）。

African Wildlife on Ultralytics Platformを探索して、アノテーションオーバーレイ付きの画像閲覧、Chartsタブでのクラス分布やバウンディングボックスのヒートマップ表示を行い、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を作成できます。

アプリケーション#

Ultralytics African Wildlife Dataset は、さまざまなobject detection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 — 自然保護区や保護地域でのanimal population monitoringをサポートするため、バッファロー、ゾウ、サイ、シマウマを検知してカウントします。
• 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。
• 教育とプロトタイピング — model trainingとpredictionを学習するための、4つのクラスを持つコンパクトなデータセットです。

データセット YAML#

YAMLファイルは、パス、クラス、およびその他の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 🚀 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#

画像サイズ640で100epochsの間、African Wildlife DatasetでYOLO26nモデルを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Training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、新しい画像に対してファインチューニングされたモデルでinference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#

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。

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の作者である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に、社内で更新および適応させました。ソースデータセットにはライセンスが指定されていません。

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}
}

よくある質問 (FAQ)#