Link to this sectionAfrika Yaban Hayatı Veri Kümesi#

Ultralytics African Wildlife Veri Seti, Güney Afrika doğa koruma alanlarında yaygın olarak bulunan 4 hayvan sınıfını (bufalo, fil, gergedan ve zebra) içeren 1.504 görselden oluşan bir nesne algılama veri setidir. Görseller, 1.052 eğitim, 225 doğrulama ve 227 test görseli olarak önceden ayrılmıştır ve veri seti ilk eğitimini başlattığında otomatik olarak (~100 MB) indirilir. Vahşi yaşam izleme, koruma ve ekolojik araştırmalar için bilgisayarlı görü modellerini eğitmek adına kullanıma hazır, kompakt bir kıyaslama veri setidir.

Link to this sectionVeri Kümesi Yapısı#

Ultralytics African Wildlife Veri Seti, üç alt kümeye ayrılmış 4 sınıfı (bufalo, fil, gergedan ve zebra) kapsayan 1.504 görsel içerir:

• Eğitim seti: Her biri karşılık gelen açıklamalarla birlikte 1.052 görsel.
• Doğrulama seti: Her biri eşleştirilmiş açıklamalarla birlikte 225 görsel.
• Test seti: Her biri eşleştirilmiş açıklamalarla birlikte 227 görsel.

Görselleri açıklama katmanlarıyla incelemek, Charts sekmesindeki sınıf dağılımını ve sınırlayıcı kutu ısı haritalarını görmek ve kendi modelini bulutta eğitmek üzere klonlamak için Ultralytics Platformu'nda African Wildlife içeriğini keşfet.

Link to this sectionUygulamalar#

Ultralytics African Wildlife Veri Seti, çeşitli nesne algılama uygulamalarını destekler:

• Vahşi yaşam koruma — Doğa koruma alanlarındaki ve korunan bölgelerdeki hayvan popülasyon izleme çalışmalarını 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 alanlarındaki fotokapan veya drone görüntülerindeki hayvanları işaretle.
• Eğitim ve prototipleme — model eğitimi ve tahmin öğrenmek için kompakt, dört sınıflı bir veri seti.

Link to this sectionVeri Kümesi YAML#

YAML dosyası; yollar, sınıflar ve diğer ilgili detaylar dahil olmak üzere veri kümesi yapılandırmasını tanımlar. African Wildlife veri kümesi için african-wildlife.yaml dosyası https://github.com/ultralytics/ultralytics/blob/main/ultralytics/cfg/datasets/african-wildlife.yaml adresinde 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

Link to this sectionKullanım#

African Wildlife Veri Seti üzerinde 640 görüntü boyutu ile 100 dönem (epoch) boyunca bir YOLO26n modeli eğitmek için sağlanan kod örneklerini kullan. Mevcut parametrelerin kapsamlı bir listesi için modelin Eğitim sayfasına başvur.

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)

Eğitim tamamlandıktan sonra, ince ayar yapılmış modelle yeni görseller üzerinde çıkarım (inference) çalıştır:

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")

Link to this sectionÖrnek Görüntüler ve Ek Açıklamalar#

African Wildlife Veri Seti, çeşitli hayvan türlerini ve doğal yaşam alanlarını sergileyen geniş bir görsel yelpazesi içerir. Aşağıda, her biri karşılık gelen açıklamalarıyla birlikte veri setinden görsel örnekleri yer almaktadır.

• Mozaiklenmiş Görsel: Burada, mozaiklenmiş veri kümesi görsellerinden oluşan bir eğitim grubu sunuyoruz. Bir eğitim tekniği olan mozaikleme, birden fazla görseli tek bir karede birleştirerek grup çeşitliliğini zenginleştirir. Bu yöntem, modelin farklı nesne boyutları, en-boy oranları ve bağlamlar genelinde genelleme yapma becerisini artırmaya yardımcı olur.

Link to this sectionAlıntılar, Lisans ve Teşekkür#

Bu veri setini topluluğun kullanımına sunduğu için orijinal veri seti yazarı Bianca Ferreira'ya teşekkür ederiz. Ultralytics ekibi, bu veri setini Ultralytics YOLO modelleriyle sorunsuz bir şekilde kullanılabilmesi için dahili olarak güncellemiş ve uyarlamıştır. Kaynak veri seti herhangi bir lisans belirtmemektedir.

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}
}

Link to this sectionSSS#

Link to this sectionAfrika Yaban Hayatı Veri Kümesi nedir ve bilgisayarlı görü projelerinde nasıl kullanılabilir?#

African Wildlife Veri Seti, Güney Afrika doğa koruma alanlarında bulunan 4 hayvan sınıfını (bufalo, fil, gergedan ve zebra) içeren 1.504 görselden oluşan bir nesne algılama veri setidir. Görsellerdeki Afrika vahşi yaşamını tanımlamak için modelleri eğitmek ve değerlendirmek amacıyla kullanılır; bu da vahşi yaşam koruma, ekolojik araştırma ve doğa koruma alanlarındaki izleme çalışmalarını destekler. Ayrıca bilgisayarlı görü çalışan öğrenciler ve araştırmacılar için erişilebilir bir kaynak işlevi görür.

Link to this sectionAfrican Wildlife Veri Seti'nde kaç görsel ve sınıf bulunmaktadır?#

Ultralytics African Wildlife Veri Seti, 4 sınıfı (bufalo, fil, gergedan ve zebra) kapsayan 1.504 görsel içerir. Görseller, 1.052 eğitim, 225 doğrulama ve 227 test görseli olarak önceden ayrılmıştır ve veri seti ilk eğitimini başlattığında otomatik olarak (~100 MB) indirilir.

Link to this sectionAfrika Yaban Hayatı Veri Kümesi'ni kullanarak nasıl YOLO26 modeli eğitebilirim?#

african-wildlife.yaml yapılandırma dosyasını kullanarak Afrika Yaban Hayatı Veri Kümesi üzerinde bir YOLO26 modeli eğitebilirsin. Aşağıda, 640 görsel boyutuyla 100 dönem boyunca YOLO26n modelini nasıl eğiteceğine dair bir örnek yer almaktadır:

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)

Ek eğitim parametreleri ve seçenekleri için Eğitim dokümantasyonuna başvurabilirsin.

Link to this sectionAfrika Yaban Hayatı Veri Kümesi için YAML yapılandırma dosyasını nerede bulabilirim?#

african-wildlife.yaml adlı African Wildlife Veri Seti yapılandırma dosyasına bu GitHub bağlantısından ulaşabilirsin. Bu dosya, makine öğrenimi modellerini eğitmek için kritik öneme sahip yollar, sınıflar ve diğer ayrıntılar dahil olmak üzere veri seti yapılandırmasını tanımlar.

Link to this sectionAfrican Wildlife Veri Seti hangi lisans altında yayınlanmıştır?#

Kaynak veri seti herhangi bir lisans belirtmemektedir. Orijinal olarak Bianca Ferreira tarafından Kaggle üzerinde yayınlanmış ve Ultralytics YOLO modelleriyle sorunsuz kullanım için Ultralytics tarafından uyarlanmıştır. Veri setini araştırmanda kullanırsan, lütfen Alıntılar bölümündeki BibTeX kaydını kullanarak kaynak göster.