Afrika Yaban Hayatı Veri Kümesi#

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

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.

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.

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.zip

Kullanım#

Afrika Yaban Hayatı Veri Kümesi üzerinde 640 görüntü boyutuyla 100 epoch boyunca bir YOLO26n modelini eğitmek için sağlanan kod örneklerini kullan. Kullanılabilir parametrelerin tam listesi için modelin Eğitim sayfasına bak.

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, ince ayar yapılmış modeli kullanarak yeni görüntülerde 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, çeşitli hayvan türlerini ve doğal yaşam alanlarını gösteren çok çeşitli görüntüler içerir. Aşağıda, her biri karşılık gelen ek açıklamalarla birlikte veri kümesinden görüntü örnekleri yer almaktadır.

• Mozaiklenmiş görüntü: Burada, mozaiklenmiş veri kümesi görüntülerinden oluşan bir eğitim grubunu sunuyoruz. Bir eğitim tekniği olan mozaikleme, grup çeşitliliğini artırmak için birden fazla görüntüyü tek bir görüntüde birleştirir. Bu yöntem, modelin farklı nesne boyutlarına, en-boy oranlarına ve bağlamlara genelleme yapma becerisini geliştirmeye yardımcı olur.

Atıflar, Lisans ve Teşekkür#

Bu veri kümesini toplulukla paylaştığı için özgün veri kümesinin yazarı Bianca Ferreira'ya teşekkür ederiz. Ultralytics ekibi, Ultralytics YOLO modelleriyle sorunsuz biçimde kullanılabilmesi için veri kümesini kurum içinde güncelleyip uyarladı. Kaynak veri kümesinde 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#