라이선스 없음

아프리카 야생동물 데이터셋

Ultralytics 아프리카 야생동물 데이터셋은 남아프리카 자연 보호구역에서 흔히 볼 수 있는 동물 4개 클래스(물소, 코끼리, 코뿔소, 얼룩말)에 걸친 1,504개 이미지로 구성된 객체 탐지 데이터셋입니다. 이미지는 학습용 1,052개, 검증용 225개, 테스트용 227개로 미리 분할되어 있으며, 처음 학습을 시작할 때 데이터셋이 자동으로 다운로드됩니다(~100 MB). 야생동물 모니터링, 보존, 생태 연구를 위한 컴퓨터 비전 모델 학습에 사용할 수 있는 작고 즉시 활용 가능한 벤치마크입니다.



시청: 아프리카 야생동물 데이터셋에서 Ultralytics YOLO26을 학습하는 방법 | 추론, 지표 및 ONNX 내보내기 🐘

데이터셋 구조#

Ultralytics 아프리카 야생동물 데이터셋은 동물 4개 클래스(물소, 코끼리, 코뿔소, 얼룩말)에 걸친 1,504개 이미지로 구성되어 있으며, 다음 세 하위 집합으로 미리 분할되어 있습니다.

  • 학습 세트: 해당 어노테이션이 포함된 이미지 1,052개입니다.
  • 검증 세트: 짝을 이루는 어노테이션이 포함된 이미지 225개입니다.
  • 테스트 세트: 짝을 이루는 어노테이션이 포함된 이미지 227개입니다.
자동 다운로드

아프리카 야생동물 데이터셋(~100 MB)은 학습을 처음 시작할 때 자동으로 다운로드되므로 수동으로 다운로드하거나 준비할 필요가 없습니다.

Ultralytics Platform의 아프리카 야생동물 데이터셋을 살펴보며 어노테이션 오버레이가 포함된 이미지를 확인하고, Charts 탭에서 클래스 분포와 바운딩 박스 히트맵을 살펴본 다음, 클라우드에서 자체 모델을 학습하도록 데이터셋을 복제해 보세요.

응용 분야#

Ultralytics African Wildlife Dataset은 다양한 객체 탐지 애플리케이션을 지원합니다:

  • 야생동물 보호 — 물소, 코끼리, 코뿔소, 얼룩말을 탐지하고 개체 수를 세어 자연 보호구역 및 보호 지역의 동물 개체군 모니터링을 지원합니다.
  • 생태 연구 — 다양한 서식지에서 종의 분포와 행동을 연구합니다.
  • 밀렵 방지 감시 — 넓은 보호 지역의 카메라 트랩 또는 드론 영상에서 동물을 감지합니다.
  • 교육 및 프로토타이핑 — 모델 학습과 예측을 익히기에 적합한 4개 클래스의 소규모 데이터셋입니다.

데이터셋 YAML#

YAML 파일은 경로, 클래스 및 기타 관련 세부 정보를 포함한 데이터셋 구성을 정의합니다. 아프리카 야생동물 데이터셋의 경우 african-wildlife.yaml 파일은 https://github.com/ultralytics/ultralytics/blob/main/ultralytics/cfg/datasets/african-wildlife.yaml에 있습니다.

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#

제공된 코드 예제를 사용하면 이미지 크기 640으로 아프리카 야생동물 데이터셋에서 100 에포크 동안 YOLO26n 모델을 학습할 수 있습니다.

학습 예제
from ultralytics import YOLO

# 모델 로드
model = YOLO("yolo26n.pt")  # 사전 학습된 모델을 불러옵니다(학습에 권장).

# 모델 학습
results = model.train(data="african-wildlife.yaml", epochs=100, imgsz=640)

학습이 완료되면 새 이미지에서 미세 조정된 모델로 추론을 실행합니다:

추론 예제
from ultralytics import YOLO

# 모델 로드
model = YOLO("path/to/best.pt")  # 아프리카 야생동물 데이터셋으로 파인튜닝된 모델을 불러옵니다

# 모델을 사용한 추론
results = model.predict("https://ultralytics.com/assets/african-wildlife-sample.jpg")

샘플 이미지 및 어노테이션#

African Wildlife Dataset은 다양한 동물 종과 자연 서식지를 보여주는 폭넓은 이미지로 구성됩니다. 아래에는 데이터셋 이미지 예시와 각 이미지에 해당하는 주석이 나와 있습니다.

아프리카 야생동물 데이터셋 샘플 이미지

  • 모자이크 이미지: 이 학습 배치는 데이터 증강 기법인 모자이크를 통해 여러 데이터셋 이미지를 하나로 결합합니다. 이 기법은 배치의 다양성을 높이고 다양한 객체 크기, 종횡비, 맥락에서 모델이 일반화하는 데 도움이 됩니다.

인용, 라이선스 및 감사의 말#

이 데이터셋을 커뮤니티에 공개해 주신 원저자 Bianca Ferreira에게 감사드립니다. Ultralytics 팀은 Ultralytics YOLO 모델에서 사용할 수 있도록 데이터셋을 내부적으로 업데이트하고 조정했습니다. 원본 데이터셋에는 라이선스가 명시되어 있지 않습니다.

연구에 이 데이터셋을 사용한다면 아래에 안내된 정보를 사용해 인용해 주세요.

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 = {Not specified},
    version = {1.0.0},
    year    = {2024}
}

자주 묻는 질문#

  • 아프리카 야생동물 데이터셋은 남아프리카 자연 보호구역에서 발견되는 동물 4개 클래스(물소, 코끼리, 코뿔소, 얼룩말)에 걸친 1,504개 이미지로 구성된 객체 탐지 데이터셋입니다. 이미지에서 아프리카 야생동물을 식별하는 모델의 학습 및 평가에 사용되며, 야생동물 보호, 생태 연구, 자연 보호구역 모니터링을 지원합니다. 또한 컴퓨터 비전을 연구하는 학생과 연구자가 쉽게 활용할 수 있는 자료입니다.

  • Ultralytics 아프리카 야생동물 데이터셋은 물소, 코끼리, 코뿔소, 얼룩말 등 4개 클래스에 걸친 1,504개 이미지로 구성되어 있습니다. 이미지는 학습용 1,052개, 검증용 225개, 테스트용 227개로 미리 분할되어 있으며, 처음 학습을 시작할 때 데이터셋이 자동으로 다운로드됩니다(~100 MB).

  • african-wildlife.yaml 구성 파일을 사용해 아프리카 야생동물 데이터셋으로 YOLO26 모델을 학습할 수 있습니다. 다음은 이미지 크기 640으로 YOLO26n 모델을 100 에폭 동안 학습하는 예제입니다.

    예제
    from ultralytics import YOLO
    
    # 모델 로드
    model = YOLO("yolo26n.pt")  # 사전 학습된 모델을 불러옵니다(학습에 권장).
    
    # 모델 학습
    results = model.train(data="african-wildlife.yaml", epochs=100, imgsz=640)

    추가 학습 매개변수와 옵션은 학습 문서를 참조하세요.

  • Ultralytics African Wildlife Dataset의 YAML 구성 파일인 african-wildlife.yaml은 경로, 클래스 및 머신러닝 모델 학습에 중요한 기타 세부 정보를 포함한 데이터셋 구성을 정의합니다.

  • 원본 데이터셋에는 라이선스가 명시되어 있지 않습니다. 이 데이터셋은 Bianca Ferreira가 Kaggle에 처음 게시했으며, Ultralytics에서 Ultralytics YOLO 모델용으로 조정했습니다. 연구에 이 데이터셋을 사용하는 경우 인용 섹션의 BibTeX 항목을 사용하여 인용해 주세요.

댓글2

질문을 하거나 결과를 공유하거나 다른 사람을 도와주세요.

    1. Glenn JocherUltralytics(수정됨)

      Para citar o conjunto de dados African Wildlife, use a entrada BibTeX da seção Citações e agradecimentos da documentação. O conjunto de dados original foi criado por Bianca Ferreira (Kaggle) e adaptado pela Ultralytics para os modelos Ultralytics YOLO.