Afrika Yaban Hayatı Veri Kümesi#

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

Ultralytics African Wildlife Dataset, Güney Afrika doğa rezervlerinde yaygın olarak bulunan buffalo, fil, gergedan ve zebra olmak üzere 4 hayvan sınıfında 1.504 görsel içeren bir object detection veri setidir. Görseller 1.052 eğitim, 225 doğrulama ve 227 test görseli olarak önceden bölünmüştür ve ilk kez eğitim yaptığınızda veri seti otomatik olarak indirilir (~100 MB). Yaban hayatı izleme, koruma ve ekolojik araştırma için computer vision modelleri eğitmek üzere kompakt, kullanıma hazır bir kıyaslama testidir.

Veri 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 birlikte incelemek, Charts sekmesinde sınıf dağılımını ve sınırlayıcı kutu ısı haritalarını görmek ve bulutta kendi modelinizi eğitmek için kopyalamak üzere African Wildlife on Ultralytics Platform sayfasını keşfedin.

Uygulamalar#

Ultralytics African Wildlife Dataset, çeşitli object detection uygulamalarını destekler:

• Yaban hayatını koruma — doğa rezervlerinde ve koruma alanlarında animal population monitoring çalışmalarını desteklemek için buffalo, fil, gergedan ve zebrayı tespit edin ve sayın.
• 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 training ve prediction öğrenmek için kompakt, dört sınıfı olan bir veri setidir.

Veri Kümesi YAML#

Yollar, sınıflar ve diğer ilgili ayrıntılar dahil olmak üzere veri seti yapılandırmasını bir YAML dosyası tanımlar. African Wildlife Dataset için african-wildlife.yaml dosyası https://github.com/ultralytics/ultralytics/blob/main/ultralytics/cfg/datasets/african-wildlife.yaml adresinde bulunmaktadır.

# 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#

African Wildlife Dataset üzerinde 640 görsel boyutuyla 100 epochs boyunca bir YOLO26n modeli eğitmek için sağlanan kod örneklerini kullanın. Mevcut parametrelerin kapsamlı bir listesi için modelin Training sayfasına bakın.

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)

Eğitildikten sonra, ince ayarı yapılmış model ile yeni görseller üzerinde inference çalıştırın:

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")

Örnek 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.

Alıntılar, Lisans ve Teşekkür#

Bu veri setini topluluğa sunduğu için orijinal veri seti yazarı Bianca Ferreira'ya teşekkür ederiz. Ultralytics ekibi, Ultralytics YOLO modelleriyle sorunsuz bir şekilde kullanılabilmesi için bunu dahili olarak güncellemiş ve uyarlamıştır. Kaynak veri seti 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}
}

SSS#