Набор данных African Wildlife#

1,483

african wildlife

ultralytics

publicDetect

African Wildlife contains buffalo, elephants, rhinos, and zebras photographed in natural outdoor settings. Balanced four-class bounding boxes provide a compact benchmark for wildlife localization, camera-trap analysis, conservation surveys, and animal monitoring.

94 classes194.1 MBSep 2, 2026

buffaloelephantrhinozebra

Набор данных Ultralytics African Wildlife предназначен для обнаружения объектов и содержит 1 504 изображения с 4 классами животных — буйвол, слон, носорог и зебра, обитающих в южноафриканских заповедниках. Изображения уже разделены на 1 052 для обучения, 225 для валидации и 227 для тестирования. При первом запуске обучения набор данных загружается автоматически (~100 МБ). Это компактный готовый бенчмарк для обучения моделей компьютерного зрения для мониторинга дикой природы, охраны природы и экологических исследований.

Структура набора данных#

Набор данных Ultralytics African Wildlife содержит 1 504 изображения в 4 классах (буйвол, слон, носорог и зебра); данные заранее разделены на три подмножества:

• Обучающая выборка: 1 052 изображения с соответствующими аннотациями.
• Валидационная выборка: 225 изображений с соответствующими аннотациями.
• Тестовая выборка: 227 изображений с соответствующими аннотациями.

Открой African Wildlife на платформе Ultralytics, чтобы просмотреть изображения с наложенными аннотациями, изучить распределение классов и тепловые карты ограничивающих рамок на вкладке Charts, а также клонировать набор данных для обучения собственной модели в облаке.

Применение#

Набор данных Ultralytics African Wildlife подходит для различных задач обнаружения объектов:

• Охрана дикой природы — обнаруживай и подсчитывай буйволов, слонов, носорогов и зебр для поддержки мониторинга популяций животных в заповедниках и охраняемых зонах.
• Экологические исследования — изучай распространение и поведение видов в различных местах обитания.
• Борьба с браконьерством — выявляй животных на кадрах с фотоловушек или дронов, охватывающих большие охраняемые территории.
• Обучение и создание прототипов — компактный набор данных из четырех классов для изучения обучения моделей и предсказаний.

Файл YAML набора данных#

Файл YAML задает конфигурацию набора данных, включая пути, классы и другие важные сведения. Для набора данных African Wildlife файл african-wildlife.yaml находится по адресу https://github.com/ultralytics/ultralytics/blob/main/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

Использование#

Чтобы обучить модель YOLO26n на наборе данных African Wildlife в течение 100 эпох с размером изображения 640, используй приведенные примеры кода. Полный список доступных параметров см. на странице модели «Обучение».

from ultralytics import YOLO

# Загрузить модель
model = YOLO("yolo26n.pt")  # загрузить предварительно обученную модель (рекомендуется для обучения)

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

После обучения запусти инференс на новых изображениях с помощью дообученной модели:

from ultralytics import YOLO

# Загрузить модель
model = YOLO("path/to/best.pt")  # загрузка дообученной модели для дикой природы Африки

# Инференс с использованием модели
results = model.predict("https://ultralytics.com/assets/african-wildlife-sample.jpg")

Примеры изображений и аннотаций#

Набор данных African Wildlife включает самые разные изображения животных и их естественной среды обитания. Ниже приведены примеры изображений из набора данных, каждое из которых сопровождается соответствующими аннотациями.

• Изображение с мозаикой: здесь показан обучающий батч, составленный из изображений набора данных с применением мозаичного преобразования. Эта техника объединяет несколько изображений в одно и повышает разнообразие батча. Она помогает модели лучше обобщать данные с объектами разных размеров, пропорций и контекстов.

Цитирование, лицензия и благодарности#

Мы благодарим автора исходного набора данных Бьянку Феррейру за то, что она предоставила его сообществу. Команда Ultralytics обновила и адаптировала набор данных, чтобы его можно было без проблем использовать с моделями Ultralytics YOLO. Для исходного набора данных лицензия не указана.

Если ты используешь этот набор данных в исследовании, укажи его в списке источников, используя приведенные сведения:

@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}
}

Часто задаваемые вопросы#