아프리카 야생동물 데이터 세트

이 데이터 세트는 남아프리카 자연 보호구역에서 흔히 볼 수 있는 네 가지 동물군을 보여줍니다. 버팔로, 코끼리, 코뿔소, 얼룩말과 같은 아프리카 야생 동물의 이미지가 포함되어 있어 동물의 특징에 대한 귀중한 인사이트를 제공합니다. 컴퓨터 비전 알고리즘을 훈련하는 데 필수적인 이 데이터 세트는 동물원에서 숲에 이르기까지 다양한 서식지에서 동물을 식별하는 데 도움이 되며 야생동물 연구를 지원합니다.

데이터 세트 구조

아프리카 야생동물 개체 감지 데이터 세트는 세 개의 하위 집합으로 나뉩니다:

• 트레이닝 세트: 1052개의 이미지와 각각 해당 주석이 포함되어 있습니다.
• 유효성 검사 세트: 225개의 이미지와 각각 쌍을 이루는 주석을 포함합니다.
• 테스트 세트: 227개의 이미지와 각각 쌍을 이루는 주석으로 구성됩니다.

애플리케이션

이 데이터 세트는 물체 감지, 물체 추적, 연구 등 다양한 컴퓨터 비전 작업에 적용할 수 있습니다. 특히 이미지에서 아프리카 야생동물 물체를 식별하는 모델을 훈련하고 평가하는 데 사용할 수 있으며, 이는 야생동물 보호, 생태 연구, 자연 보호 구역 및 보호 지역 모니터링에 응용할 수 있습니다. 또한 학생과 연구자가 다양한 동물 종의 특징과 행동을 연구하고 이해할 수 있도록 교육 목적으로도 귀중한 자료로 활용될 수 있습니다.

데이터 세트 YAML

YAML(또 다른 마크업 언어) 파일은 경로, 클래스 및 기타 관련 세부 정보를 포함한 데이터 세트 구성을 정의합니다. 아프리카 야생동물 데이터 세트의 경우, 아프리카 야생동물 데이터 세트의 african-wildlife.yaml 파일은 다음 위치에 있습니다. https://github.com/ultralytics/ultralytics/blob/main/ultralytics/cfg/datasets/african-wildlife.yaml.

# Ultralytics YOLO 🚀, AGPL-3.0 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: ../datasets/african-wildlife # dataset root dir
train: train/images # train images (relative to 'path') 1052 images
val: valid/images # val images (relative to 'path') 225 images
test: test/images # test images (relative to 'path') 227 images

# Classes
names:
  0: buffalo
  1: elephant
  2: rhino
  3: zebra

# Download script/URL (optional)
download: https://ultralytics.com/assets/african-wildlife.zip

사용법

이미지 크기가 640인 아프리카 야생동물 데이터 세트에 대한 YOLOv8n 모델을 100개 시대로 훈련하려면 제공된 코드 샘플을 사용하세요. 사용 가능한 파라미터의 전체 목록은 모델의 학습 페이지를 참조하세요.

from ultralytics import YOLO

# Load a model
model = YOLO('yolov8n.pt')  # load a pretrained model (recommended for training)

# Train the model
results = model.train(data='african-wildlife.yaml', epochs=100, imgsz=640)

# Start training from a pretrained *.pt model
yolo detect train data=african-wildlife.yaml model=yolov8n.pt epochs=100 imgsz=640

from ultralytics import YOLO

# Load a model
model = YOLO('path/to/best.pt')  # load a brain-tumor fine-tuned model

# Inference using the model
results = model.predict("https://ultralytics.com/assets/african-wildlife-sample.jpg")

# Start prediction with a finetuned *.pt model
yolo detect predict model='path/to/best.pt' imgsz=640 source="https://ultralytics.com/assets/african-wildlife-sample.jpg"

샘플 이미지 및 주석

아프리카 야생동물 데이터 세트는 다양한 동물 종과 그들의 자연 서식지를 보여주는 다양한 이미지로 구성되어 있습니다. 아래는 데이터 세트의 이미지 예시이며, 각 이미지에는 해당 주석이 함께 제공됩니다.

• 모자이크 이미지: 여기에서는 모자이크된 데이터 세트 이미지로 구성된 훈련 배치를 소개합니다. 훈련 기법인 모자이크는 여러 이미지를 하나로 결합하여 배치의 다양성을 풍부하게 합니다. 이 방법은 다양한 객체 크기, 종횡비 및 컨텍스트에 걸쳐 일반화하는 모델의 능력을 향상시키는 데 도움이 됩니다.

이 예는 아프리카 야생동물 데이터 세트에 포함된 이미지의 다양성과 복잡성을 보여주며, 훈련 과정에서 모자이킹을 포함할 경우 얻을 수 있는 이점을 강조합니다.

인용 및 감사

이 데이터 세트는 AGPL-3.0 라이선스에 따라 공개되었습니다.

댓글