Link to this sectionAfrican Wildlife 데이터셋#
이 데이터셋은 남아프리카 자연 보호구역에서 흔히 볼 수 있는 4가지 동물 클래스를 보여줍니다. 버팔로, 코끼리, 코뿔소, 얼룩말과 같은 아프리카 야생 동물의 이미지를 포함하고 있어 동물의 특성에 대한 귀중한 통찰력을 제공합니다. computer vision 알고리즘 학습에 필수적인 이 데이터셋은 동물원부터 숲에 이르기까지 다양한 서식지에서 동물을 식별하는 데 도움을 주며 야생 동물 연구를 지원합니다.
Watch: How to Train Ultralytics YOLO26 on the African Wildlife Dataset | Inference, Metrics & ONNX Export 🐘
Link to this section데이터셋 구조#
아프리카 야생 동물 객체 탐지 데이터셋은 세 가지 하위 집합으로 나뉩니다:
- Training set: 1052개의 이미지와 각각에 해당하는 어노테이션을 포함합니다.
- Validation set: 225개의 이미지와 각각에 대응하는 어노테이션을 포함합니다.
- Testing set: 227개의 이미지와 각각에 대응하는 어노테이션으로 구성됩니다.
Link to this section응용 분야#
이 데이터셋은 object detection, 객체 추적 및 연구와 같은 다양한 컴퓨터 비전 작업에 적용될 수 있습니다. 특히 이미지 내의 아프리카 야생 동물 객체를 식별하기 위한 모델을 학습하고 평가하는 데 사용할 수 있으며, 이는 자연 보호구역 및 보호 지역에서의 야생 동물 보호, 생태 연구 및 모니터링 노력에 응용될 수 있습니다. 또한 교육용으로도 귀중한 자원이 되어 학생들이 다양한 동물 종의 특성과 행동을 연구하고 이해할 수 있도록 합니다.
Link to this section데이터셋 YAML#
YAML (Yet Another Markup Language) 파일은 경로, 클래스 및 기타 관련 세부 정보를 포함하여 데이터셋 구성을 정의합니다. African Wildlife 데이터셋의 경우 african-wildlife.yaml 파일은 https://github.com/ultralytics/ultralytics/blob/main/ultralytics/cfg/datasets/african-wildlife.yaml에 위치합니다.
# 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.zipLink to this section사용법#
African Wildlife 데이터셋에서 YOLO26n 모델을 100 epochs 동안 이미지 크기 640으로 학습하려면 제공된 코드 샘플을 사용하십시오. 사용 가능한 매개변수의 전체 목록은 모델의 Training 페이지를 참조하십시오.
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)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 section샘플 이미지 및 주석#
African Wildlife 데이터셋은 다양한 동물 종과 그들의 자연 서식지를 보여주는 광범위한 이미지를 포함합니다. 아래는 데이터셋의 이미지 예시이며, 각 이미지에는 해당 어노테이션이 함께 제공됩니다.
- Mosaiced Image: 여기에서는 모자이크 처리된 데이터셋 이미지로 구성된 학습 배치를 보여줍니다. 학습 기법인 모자이킹(Mosaicing)은 여러 이미지를 하나로 결합하여 배치 다양성을 높입니다. 이 방법은 다양한 객체 크기, 가로세로 비율 및 상황에 걸쳐 모델의 일반화 능력을 향상시키는 데 도움이 됩니다.
이 예시는 African Wildlife 데이터셋에 있는 이미지의 다양성과 복잡성을 보여주며, 학습 과정에 모자이킹을 포함하는 것의 이점을 강조합니다.
Link to this section인용, 라이선스 및 감사의 글#
이 데이터셋을 커뮤니티에 공개해 주신 원저자 Bianca Ferreira 님께 감사드립니다. Ultralytics 팀은 이 데이터셋을 Ultralytics YOLO 모델과 원활하게 사용할 수 있도록 내부적으로 업데이트하고 조정했습니다. 이 데이터셋은 AGPL-3.0 License 하에 제공됩니다.
연구에 이 데이터셋을 사용하는 경우 명시된 세부 정보를 사용하여 인용해 주십시오:
@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 sectionFAQ#
Link to this sectionAfrican Wildlife 데이터셋이란 무엇이며 컴퓨터 비전 프로젝트에서 어떻게 사용할 수 있습니까?#
African Wildlife 데이터셋은 남아프리카 자연 보호구역에서 흔히 발견되는 4가지 동물 종(버팔로, 코끼리, 코뿔소, 얼룩말)의 이미지를 포함합니다. 이는 객체 탐지 및 동물 식별을 위한 컴퓨터 비전 알고리즘 학습에 귀중한 자원입니다. 이 데이터셋은 객체 추적, 연구 및 보호 노력과 같은 다양한 작업을 지원합니다. 데이터셋의 구조와 응용 분야에 대한 자세한 내용은 Dataset Structure 섹션과 Applications 섹션을 참조하십시오.
Link to this sectionAfrican Wildlife 데이터셋을 사용하여 YOLO26 모델을 어떻게 학습합니까?#
african-wildlife.yaml 구성 파일을 사용하여 African Wildlife 데이터셋에서 YOLO26 모델을 학습할 수 있습니다. 다음은 100 epochs 동안 이미지 크기 640으로 YOLO26n 모델을 학습하는 방법의 예시입니다:
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 옵션은 Training 문서를 참조하십시오.
Link to this sectionAfrican Wildlife 데이터셋의 YAML 구성 파일은 어디서 찾을 수 있습니까?#
African Wildlife 데이터셋의 YAML 구성 파일인 african-wildlife.yaml은 이 GitHub 링크에서 찾을 수 있습니다. 이 파일은 machine learning 모델 학습에 중요한 경로, 클래스 및 기타 세부 정보를 포함한 데이터셋 구성을 정의합니다. 자세한 내용은 Dataset YAML 섹션을 참조하십시오.
Link to this sectionAfrican Wildlife 데이터셋의 샘플 이미지와 어노테이션을 볼 수 있습니까?#
네, African Wildlife 데이터셋에는 자연 서식지에서 다양한 동물 종을 보여주는 광범위한 이미지가 포함되어 있습니다. Sample Images and Annotations 섹션에서 샘플 이미지와 해당 어노테이션을 확인할 수 있습니다. 이 섹션은 또한 여러 이미지를 하나로 결합하여 배치 다양성을 높이고 모델의 일반화 능력을 향상시키는 모자이킹 기법의 사용 사례를 보여줍니다.
Link to this sectionAfrican Wildlife 데이터셋을 사용하여 야생 동물 보호 및 연구를 어떻게 지원할 수 있습니까?#
African Wildlife Dataset은 다양한 서식지에서 아프리카 야생 동물을 식별하는 모델의 학습 및 평가를 지원하여 야생 동물 보호와 연구에 기여하는 데 이상적입니다. 이러한 모델은 동물 개체군 모니터링, 행동 연구, 보호 필요성 파악에 도움을 줄 수 있습니다. 또한, 이 데이터셋은 교육적 목적으로 활용되어 학생과 연구자들이 다양한 동물 종의 특성과 행동을 이해하도록 도울 수 있습니다. 더 자세한 내용은 애플리케이션 섹션에서 확인하실 수 있습니다.