Afrika Yaban Hayatı Veri Kümesi
Ultralytics Afrika Yaban Hayatı Veri Kümesi, Güney Afrika doğa rezervlerinde yaygın olarak bulunan 4 hayvan sınıfından — bufalo, fil, gergedan ve zebra — 1.504 görüntü içeren bir nesne algılama veri kümesidir. Görüntüler önceden 1.052 eğitim, 225 doğrulama ve 227 test görüntüsüne ayrılmıştır ve veri kümesi, ilk eğitiminde otomatik olarak indirilir (~100 MB). Yaban hayatı izleme, koruma ve ekolojik araştırmalar için bilgisayarlı görü modelleri eğitmeye yönelik, kullanıma hazır ve kompakt bir kıyaslama veri kümesidir.
İzle: Afrika Yaban Hayatı Veri Kümesinde Ultralytics YOLO26 Nasıl Eğitilir | Çıkarım, Metrikler ve ONNX Dışa Aktarımı 🐘
Veri Kümesi Yapısı#
Ultralytics Afrika Yaban Hayatı Veri Kümesi, üç alt kümeye önceden ayrılmış, 4 sınıfa (bufalo, fil, gergedan ve zebra) ait 1.504 görüntü içerir:
- Eğitim kümesi: Her biri karşılık gelen ek açıklamalara sahip 1.052 görüntü.
- Doğrulama kümesi: Eşleştirilmiş ek açıklamalara sahip 225 görüntü.
- Test kümesi: Eşleştirilmiş ek açıklamalara sahip 227 görüntü.
Afrika Yaban Hayatı Veri Kümesi (~100 MB), eğitime ilk başladığında otomatik olarak indirilir; bu nedenle elle indirmen veya hazırlaman gerekmez.
Görüntülere ek açıklama katmanlarıyla göz atmak, Grafikler sekmesinde sınıf dağılımını ve sınırlayıcı kutu ısı haritalarını incelemek ve bulutta kendi modelini eğitmek için veri kümesini klonlamak üzere Ultralytics Platform'daki Afrika Yaban Hayatı Veri Kümesini keşfet.
Uygulamalar#
Ultralytics Afrika Yaban Hayatı Veri Kümesi, çeşitli nesne algılama uygulamalarını destekler:
- Yaban hayatını koruma — doğa rezervlerinde ve koruma altındaki alanlarda hayvan popülasyonlarını izlemeyi desteklemek için bufalo, fil, gergedan ve zebraları algıla ve say.
- Ekolojik araştırma — farklı yaşam alanlarındaki tür dağılımını ve davranışlarını incele.
- Kaçak avcılıkla mücadele gözetimi — geniş koruma alanlarında kamera tuzaklarından veya drone görüntülerinden hayvanları işaretle.
- Eğitim ve prototipleme — model eğitimi ve tahmin öğrenmek için kompakt, dört sınıflı bir veri kümesi.
Veri Kümesi YAML Dosyası#
Bir YAML dosyası; yollar, sınıflar ve diğer ilgili ayrıntılar dâhil olmak üzere veri kümesi yapılandırmasını tanımlar. Afrika Yaban Hayatı Veri Kümesi için african-wildlife.yaml dosyası https://github.com/ultralytics/ultralytics/blob/main/ultralytics/cfg/datasets/african-wildlife.yaml konumunda bulunur.
# 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.zipKullanım#
Afrika Yaban Hayatı Veri Kümesi üzerinde 640 görüntü boyutuyla 100 epoch boyunca bir YOLO26n modelini eğitmek için sağlanan kod örneklerini kullan.
from ultralytics import YOLO
# Bir model yükle
model = YOLO("yolo26n.pt") # Önceden eğitilmiş bir model yükle (eğitim için önerilir)
# Modeli eğit
results = model.train(data="african-wildlife.yaml", epochs=100, imgsz=640)Eğitim tamamlandıktan sonra yeni görüntülerde ince ayar yapılmış modelle çıkarım çalıştır:
from ultralytics import YOLO
# Bir model yükle
model = YOLO("path/to/best.pt") # Afrika yaban hayatı için ince ayar yapılmış bir modeli yükle
# Modeli kullanarak çıkarım yap
results = model.predict("https://ultralytics.com/assets/african-wildlife-sample.jpg")Örnek Görüntüler ve Ek Açıklamalar#
Afrika Yaban Hayatı Veri Kümesi, farklı hayvan türlerini ve doğal yaşam alanlarını gösteren çok çeşitli görüntülerden oluşur. Aşağıda, veri kümesindeki görüntü örnekleri ve bunlara karşılık gelen açıklamalar yer alır.

- Mozaik Görüntü: Bu eğitim grubu, veri kümesindeki birden fazla görüntüyü mozaikleme yoluyla tek görüntüde birleştirir. Bu veri artırma tekniği, grup çeşitliliğini artırır ve modelin farklı nesne boyutları, en-boy oranları ve bağlamlarda genelleme yapmasına yardımcı olur.
Atıflar, Lisans ve Teşekkür#
Bu veri kümesini toplulukla paylaştığı için ilk veri kümesi yazarı Bianca Ferreira'ya teşekkür ederiz. Ultralytics ekibi, Ultralytics YOLO modelleriyle kullanmak üzere veri kümesini kurum içinde güncelleyip uyarlamıştır. Kaynak veri kümesinde bir lisans belirtilmemiştir.
Bu veri kümesini araştırmanda kullanırsan, lütfen belirtilen ayrıntıları kullanarak atıfta bulun:
@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}
}Sık Sorulan Sorular#
Afrika Yaban Hayatı Veri Kümesi, Güney Afrika doğa rezervlerinde bulunan 4 hayvan sınıfından — bufalo, fil, gergedan ve zebra — 1.504 görüntü içeren bir nesne algılama veri kümesidir. Görüntülerdeki Afrika yaban hayatını tanımlayan modelleri eğitmek ve değerlendirmek için kullanılır; bu da yaban hayatını koruma, ekolojik araştırma ve doğa rezervlerinde izlemeyi destekler. Ayrıca bilgisayarlı görü üzerine çalışan öğrenciler ve araştırmacılar için erişilebilir bir kaynak görevi görür.
Ultralytics Afrika Yaban Hayatı Veri Kümesi, 4 sınıfa ait 1.504 görüntü içerir: bufalo, fil, gergedan ve zebra. Görüntüler önceden 1.052 eğitim, 225 doğrulama ve 227 test görüntüsüne ayrılmıştır ve veri kümesi, ilk eğitiminde otomatik olarak indirilir (~100 MB).
Afrika Yaban Hayatı Veri Kümesi'nde bir YOLO26 modelini,
african-wildlife.yamlyapılandırma dosyasını kullanarak eğitebilirsin. Aşağıda, YOLO26n modelini 640 görüntü boyutuyla 100 epoch boyunca eğitmeye yönelik bir örnek bulunuyor:Örnekfrom ultralytics import YOLO # Bir model yükle model = YOLO("yolo26n.pt") # Önceden eğitilmiş bir model yükle (eğitim için önerilir) # Modeli eğit results = model.train(data="african-wildlife.yaml", epochs=100, imgsz=640)Ek eğitim parametreleri ve seçenekleri için Eğitim belgelerine bak.
Ultralytics Afrika Yaban Hayatı Veri Kümesi'nin YAML yapılandırma dosyası olan
african-wildlife.yaml, makine öğrenimi modellerinin eğitimi için kritik olan yollar, sınıflar ve diğer ayrıntılar dahil veri kümesi yapılandırmasını tanımlar.Kaynak veri kümesinde bir lisans belirtilmemiştir. Veri kümesi ilk olarak Bianca Ferreira tarafından Kaggle'da yayımlanmış ve Ultralytics YOLO modelleriyle kullanılmak üzere Ultralytics tarafından uyarlanmıştır. Veri kümesini araştırmanda kullanıyorsan Atıflar bölümündeki BibTeX girdisini kullanarak atıf yap.
Yorumlar2
Bir soru sor, sonuçlarını paylaş veya başka birine yardım et.
LuizRosa987
Como faço a citação do conjunto de dados?
Glenn JocherUltralytics(düzenlendi)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.



