Набор данных африканской дикой природы#

1,483

african wildlife

ultralytics

publicDetect

Object detection dataset with 1,400+ images of African wildlife including buffalo, elephant, rhino, and zebra. Ideal for training wildlife monitoring and conservation AI models.

74 classes194.1 MBApr 28, 2026

buffaloelephantrhinozebra

Датасет Ultralytics African Wildlife — это набор данных для обнаружения объектов, состоящий из 1504 изображений в 4 классах животных (буйвол, слон, носорог и зебра), которые обычно встречаются в заповедниках Южной Африки. Изображения предварительно разделены на 1052 обучающих, 225 валидационных и 227 тестовых, а сам датасет загружается автоматически (~100 МБ) при первом обучении. Это компактный и готовый к использованию бенчмарк для обучения моделей компьютерного зрения для мониторинга дикой природы, охраны природы и экологических исследований.

Структура набора данных#

Набор данных Ultralytics African Wildlife содержит 1504 изображения по 4 классам (буйвол, слон, носорог и зебра), предварительно разделенных на три подмножества:

• Обучающая выборка: 1052 изображения, каждое с соответствующими аннотациями.
• Валидационная выборка: 225 изображений, каждое с парными аннотациями.
• Тестовая выборка: 227 изображений, каждое с парными аннотациями.

Изучи African Wildlife on Ultralytics Platform, чтобы просматривать изображения с наложенными аннотациями, смотреть распределение классов и тепловые карты ограничивающих рамки на вкладке Charts, а также клонировать его для обучения собственной модели в облаке.

Применение#

Датасет Ultralytics African Wildlife поддерживает различные сценарии применения обнаружения объектов:

• Охрана дикой природы — обнаруживай и подсчитывай буйволов, слонов, носорогов и зебр для поддержки мониторинга популяции животных в природных заповедниках и охраняемых зонах.
• Экологические исследования — изучай распределение видов и их поведение в различных средах обитания.
• Борьба с браконьерством — отмечай животных на кадрах с фотоловушек или дронов на обширных охраняемых территориях.
• Обучение и прототипирование — компактный датасет из четырех классов для изучения обучения моделей и предсказания.

YAML набора данных#

Конфигурация датасета задается в файле YAML, который включает пути, классы и другие важные детали. Для датасета 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 датасете African Wildlife в течение 100 эпох с размером изображения 640, используй предоставленные примеры кода. Полный список доступных параметров см. на странице Training модели.

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)

После обучения запусти инференс с дообученной моделью на новых изображениях:

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")

Примеры изображений и аннотации#

Датасет African Wildlife включает в себя широкий спектр изображений, демонстрирующих различные виды животных и их естественную среду обитания. Ниже приведены примеры изображений из набора данных, каждое из которых сопровождается соответствующими аннотациями.

• Мозаичное изображение: Здесь мы представляем обучающий пакет, состоящий из мозаичных изображений набора данных. Мозаика — это метод обучения, который объединяет несколько изображений в одно, обогащая разнообразие пакета. Этот метод помогает улучшить способность модели к обобщению при работе с объектами различных размеров, соотношений сторон и контекстов.

Цитирование, лицензия и благодарности#

Мы хотим поблагодарить автора исходного датасета Bianca Ferreira за предоставление этого набора данных сообществу. Команда Ultralytics обновила и адаптировала его внутри компании, чтобы его можно было легко использовать с моделями Ultralytics YOLO. Исходный датасет не указывает лицензию.

Если ты используешь этот набор данных в своем исследовании, пожалуйста, процитируй его, используя указанные детали:

@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}
}

FAQ#