아프리카 야생동물 데이터셋

이 데이터셋은 남아프리카 자연 보호 구역에서 흔히 볼 수 있는 4가지 동물 클래스를 보여줍니다. 버팔로, 코끼리, 코뿔소, 얼룩말과 같은 아프리카 야생동물의 이미지를 포함하고 있어 그 특성에 대한 귀중한 통찰력을 제공합니다. 컴퓨터 비전 알고리즘 학습에 필수적인 이 데이터셋은 동물원부터 숲에 이르기까지 다양한 서식지에서 동물을 식별하는 데 도움을 주며 야생동물 연구를 지원합니다.

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

데이터셋 구조

아프리카 야생동물 객체 탐지 데이터셋은 세 가지 서브셋으로 나뉩니다:

학습 세트(Training set): 1052개의 이미지와 각각에 해당하는 주석(annotation)이 포함되어 있습니다.
검증 세트(Validation set): 225개의 이미지와 각각에 대응하는 주석이 포함되어 있습니다.
테스트 세트(Testing set): 227개의 이미지와 각각에 대응하는 주석으로 구성됩니다.

응용 분야

이 데이터셋은 객체 탐지, 객체 추적 및 연구와 같은 다양한 컴퓨터 비전 작업에 적용할 수 있습니다. 특히 이미지에서 아프리카 야생동물 객체를 식별하기 위한 모델을 학습하고 평가하는 데 사용할 수 있으며, 이는 야생동물 보호, 생태 연구, 자연 보호 구역 및 보호 지역에서의 모니터링 활동에 응용될 수 있습니다. 또한 교육용으로도 귀중한 자원이 되어, 학생과 연구자들이 다양한 동물 종의 특성과 행동을 연구하고 이해할 수 있도록 돕습니다.

데이터셋 YAML

YAML(Yet Another Markup Language) 파일은 경로, 클래스 및 기타 관련 세부 정보를 포함하여 데이터셋 구성을 정의합니다. 아프리카 야생동물 데이터셋의 경우 african-wildlife.yaml 파일은 https://github.com/ultralytics/ultralytics/blob/main/ultralytics/cfg/datasets/african-wildlife.yaml에 위치합니다.

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

사용법

아프리카 야생동물 데이터셋에서 YOLO26n 모델을 100 에폭(epochs) 동안 이미지 크기 640으로 학습시키려면 제공된 코드 샘플을 사용하십시오. 사용 가능한 전체 매개변수 목록은 모델의 학습(Training) 페이지를 참조하십시오.

학습 예제

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)

추론 예제

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")

샘플 이미지 및 주석

아프리카 야생동물 데이터셋은 다양한 동물 종과 그들의 자연 서식지를 보여주는 폭넓은 이미지를 포함하고 있습니다. 아래는 데이터셋의 이미지 예시이며, 각각은 해당하는 주석과 함께 제공됩니다.

아프리카 야생동물 데이터셋 샘플 이미지

모자이크 이미지(Mosaiced Image): 여기서는 모자이크 처리된 데이터셋 이미지로 구성된 학습 배치를 보여드립니다. 학습 기술 중 하나인 모자이킹은 여러 이미지를 하나로 결합하여 배치의 다양성을 풍부하게 합니다. 이 방법은 다양한 객체 크기, 가로세로 비율 및 상황에 걸쳐 모델의 일반화 능력을 향상시키는 데 도움이 됩니다.

이 예제는 아프리카 야생동물 데이터셋 이미지의 다양성과 복잡성을 보여주며, 학습 과정에 모자이킹을 포함하는 것의 이점을 강조합니다.

인용, 라이선스 및 감사의 글

이 데이터셋을 커뮤니티에 공개해 준 원저자 Bianca Ferreira님께 감사드립니다. Ultralytics 팀은 Ultralytics YOLO 모델과 원활하게 사용할 수 있도록 이를 내부적으로 업데이트하고 조정했습니다. 이 데이터셋은 AGPL-3.0 라이선스 하에 제공됩니다.

귀하의 연구에 이 데이터셋을 사용하는 경우, 명시된 세부 정보를 사용하여 인용해 주십시오:

인용


@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}
}

FAQ

아프리카 야생동물 데이터셋이란 무엇이며, 컴퓨터 비전 프로젝트에서 어떻게 활용할 수 있습니까?

아프리카 야생동물 데이터셋은 남아프리카 자연 보호 구역에서 흔히 볼 수 있는 버팔로, 코끼리, 코뿔소, 얼룩말 등 4가지 동물 종의 이미지를 포함하고 있습니다. 이는 객체 탐지 및 동물 식별을 위한 컴퓨터 비전 알고리즘을 학습시키는 데 귀중한 자원입니다. 이 데이터셋은 객체 추적, 연구 및 보호 활동과 같은 다양한 작업을 지원합니다. 구조 및 응용 분야에 대한 자세한 내용은 데이터셋 구조 섹션과 데이터셋의 응용 분야(Applications)를 참조하십시오.

아프리카 야생동물 데이터셋을 사용하여 YOLO26 모델을 어떻게 학습합니까?

african-wildlife.yaml 구성 파일을 사용하여 아프리카 야생동물 데이터셋에서 YOLO26 모델을 학습시킬 수 있습니다. 아래는 이미지 크기 640으로 100 에폭 동안 YOLO26n 모델을 학습시키는 예제입니다:

예시

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)

추가 학습 매개변수 및 옵션에 대해서는 학습(Training) 문서를 참조하십시오.

아프리카 야생동물 데이터셋의 YAML 구성 파일은 어디에서 찾을 수 있습니까?

아프리카 야생동물 데이터셋의 YAML 구성 파일인 african-wildlife.yaml은 이 GitHub 링크에서 찾을 수 있습니다. 이 파일은 머신 러닝 모델 학습에 중요한 경로, 클래스 및 기타 세부 정보를 포함한 데이터셋 구성을 정의합니다. 자세한 내용은 데이터셋 YAML 섹션을 참조하십시오.

아프리카 야생동물 데이터셋의 샘플 이미지와 주석을 볼 수 있습니까?

네, 아프리카 야생동물 데이터셋은 자연 서식지에 있는 다양한 동물 종을 보여주는 폭넓은 이미지를 포함하고 있습니다. 샘플 이미지 및 주석 섹션에서 샘플 이미지와 해당 주석을 볼 수 있습니다. 이 섹션에서는 또한 배치 다양성을 풍부하게 하기 위해 여러 이미지를 하나로 결합하는 모자이킹 기술의 사용 예시를 보여주며, 이는 모델의 일반화 능력을 향상시킵니다.

아프리카 야생동물 데이터셋을 사용하여 야생동물 보호 및 연구를 어떻게 지원할 수 있습니까?

아프리카 야생동물 데이터셋은 다양한 서식지에서 아프리카 야생동물을 식별하는 모델의 학습 및 평가를 가능하게 함으로써 야생동물 보호 및 연구를 지원하는 데 이상적입니다. 이러한 모델은 동물 개체군 모니터링, 행동 연구 및 보호 필요성 인식에 기여할 수 있습니다. 또한, 이 데이터셋은 교육용으로 활용되어 학생과 연구자들이 다양한 동물 종의 특성과 행동을 이해하도록 도울 수 있습니다. 자세한 내용은 응용 분야(Applications) 섹션에서 확인할 수 있습니다.

Contributors

GLglenn-jocher¹⁰ RIRizwanMunawar⁶ MAMatthewNoyce¹ BUBurhan-Q¹

Created 2024년 3월 23일Updated 지난주