─░├žeri─če ge├ž

Afrika Yaban Hayat─▒ Veri Seti

Bu veri seti, G├╝ney Afrika do─ča rezervlerinde tipik olarak bulunan d├Ârt yayg─▒n hayvan s─▒n─▒f─▒n─▒ sergiliyor. Bufalo, fil, gergedan ve zebra gibi Afrika yaban hayat─▒n─▒n g├Âr├╝nt├╝lerini i├žerir ve ├Âzellikleri hakk─▒nda de─čerli bilgiler sa─člar. Bilgisayarla g├Ârme algoritmalar─▒n─▒ e─čitmek i├žin gerekli olan bu veri k├╝mesi, hayvanat bah├želerinden ormanlara kadar ├že┼čitli habitatlardaki hayvanlar─▒n tan─▒mlanmas─▒na yard─▒mc─▒ olur ve vah┼či ya┼čam ara┼čt─▒rmalar─▒n─▒ destekler.



─░zle: African Wildlife Animals Detection using Ultralytics YOLOv8

Veri K├╝mesi Yap─▒s─▒

Afrika yaban hayat─▒ nesneleri alg─▒lama veri k├╝mesi ├╝├ž alt k├╝meye ayr─▒lm─▒┼čt─▒r:

  • E─čitim seti: Her biri ilgili a├ž─▒klamalara sahip 1052 g├Âr├╝nt├╝ i├žerir.
  • Do─črulama seti: Her biri e┼čle┼čtirilmi┼č ek a├ž─▒klamalara sahip 225 g├Âr├╝nt├╝ i├žerir.
  • Test seti: Her biri e┼čle┼čtirilmi┼č ek a├ž─▒klamalara sahip 227 g├Âr├╝nt├╝den olu┼čur.

Uygulamalar

Bu veri k├╝mesi nesne alg─▒lama, nesne izleme ve ara┼čt─▒rma gibi ├že┼čitli bilgisayarla g├Ârme g├Ârevlerinde uygulanabilir. ├ľzellikle, g├Âr├╝nt├╝lerdeki Afrika yaban hayat─▒ nesnelerini tan─▒mlamaya y├Ânelik modelleri e─čitmek ve de─čerlendirmek i├žin kullan─▒labilir; bu da yaban hayat─▒n─▒n korunmas─▒, ekolojik ara┼čt─▒rmalar ve do─čal rezervler ile korunan alanlardaki izleme ├žal─▒┼čmalar─▒nda uygulama alan─▒ bulabilir. Ayr─▒ca, ├Â─črencilerin ve ara┼čt─▒rmac─▒lar─▒n farkl─▒ hayvan t├╝rlerinin ├Âzelliklerini ve davran─▒┼člar─▒n─▒ incelemelerini ve anlamalar─▒n─▒ sa─člayarak e─čitim ama├žl─▒ de─čerli bir kaynak olarak hizmet edebilir.

Veri K├╝mesi YAML

Bir YAML (Yet Another Markup Language) dosyas─▒, yollar, s─▒n─▒flar ve di─čer ilgili ayr─▒nt─▒lar dahil olmak ├╝zere veri k├╝mesi yap─▒land─▒rmas─▒n─▒ tan─▒mlar. Afrika yaban hayat─▒ veri k├╝mesi i├žin african-wildlife.yaml dosyas─▒ ┼ču adreste bulunur https://github.com/ultralytics/ultralytics/blob/main/ultralytics/cfg/datasets/african-wildlife.yaml.

ultralytics/cfg/datasets/african-wildlife.yaml

# Ultralytics YOLO ­čÜÇ, AGPL-3.0 license
# African-wildlife dataset by Ultralytics
# Documentation: https://docs.ultralytics.com/datasets/detect/african-wildlife/
# Example usage: yolo train data=african-wildlife.yaml
# parent
# ÔöťÔöÇÔöÇ ultralytics
# ÔööÔöÇÔöÇ datasets
#     ÔööÔöÇÔöÇ african-wildlife  ÔćÉ 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: ../datasets/african-wildlife # dataset root dir
train: train/images # train images (relative to 'path') 1052 images
val: valid/images # val images (relative to 'path') 225 images
test: test/images # test images (relative to 'path') 227 images

# Classes
names:
  0: buffalo
  1: elephant
  2: rhino
  3: zebra

# Download script/URL (optional)
download: https://ultralytics.com/assets/african-wildlife.zip

Kullan─▒m

Afrika yaban hayat─▒ veri k├╝mesi ├╝zerinde 640 g├Âr├╝nt├╝ boyutunda 100 epok i├žin bir YOLOv8n modelini e─čitmek i├žin sa─članan kod ├Ârneklerini kullan─▒n. Kullan─▒labilir parametrelerin kapsaml─▒ bir listesi i├žin modelin E─čitim sayfas─▒na bak─▒n.

Tren ├ľrne─či

from ultralytics import YOLO

# Load a model
model = YOLO("yolov8n.pt")  # load a pretrained model (recommended for training)

# Train the model
results = model.train(data="african-wildlife.yaml", epochs=100, imgsz=640)
# Start training from a pretrained *.pt model
yolo detect train data=african-wildlife.yaml model=yolov8n.pt epochs=100 imgsz=640

├ç─▒kar─▒m ├ľrne─či

from ultralytics import YOLO

# Load a model
model = YOLO("path/to/best.pt")  # load a brain-tumor fine-tuned model

# Inference using the model
results = model.predict("https://ultralytics.com/assets/african-wildlife-sample.jpg")
# Start prediction with a finetuned *.pt model
yolo detect predict model='path/to/best.pt' imgsz=640 source="https://ultralytics.com/assets/african-wildlife-sample.jpg"

├ľrnek G├Âr├╝nt├╝ler ve A├ž─▒klamalar

Afrika vah┼či ya┼čam veri k├╝mesi, ├že┼čitli hayvan t├╝rlerini ve do─čal ya┼čam alanlar─▒n─▒ sergileyen ├žok ├že┼čitli g├Âr├╝nt├╝lerden olu┼čmaktad─▒r. A┼ča─č─▒da, veri setinden her birine kar┼č─▒l─▒k gelen a├ž─▒klamalar─▒n e┼člik etti─či g├Âr├╝nt├╝ ├Ârnekleri yer almaktad─▒r.

Afrika yaban hayat─▒ veri k├╝mesi ├Ârnek g├Âr├╝nt├╝s├╝

  • Mozaiklenmi┼č G├Âr├╝nt├╝: Burada, mozaiklenmi┼č veri k├╝mesi g├Âr├╝nt├╝lerinden olu┼čan bir e─čitim grubu sunuyoruz. Bir e─čitim tekni─či olan mozaikleme, birden fazla g├Âr├╝nt├╝y├╝ tek bir g├Âr├╝nt├╝de birle┼čtirerek y─▒─č─▒n ├že┼čitlili─čini zenginle┼čtirir. Bu y├Ântem, modelin farkl─▒ nesne boyutlar─▒, en boy oranlar─▒ ve ba─člamlar aras─▒nda genelleme yapma yetene─čini geli┼čtirmeye yard─▒mc─▒ olur.

Bu ├Ârnek, Afrika yaban hayat─▒ veri setindeki g├Âr├╝nt├╝lerin ├že┼čitlili─čini ve karma┼č─▒kl─▒─č─▒n─▒ g├Âstermekte ve e─čitim s├╝recinde mozaiklemenin faydalar─▒n─▒ vurgulamaktad─▒r.

At─▒flar ve Te┼čekk├╝r

Veri seti AGPL-3.0 Lisans─▒ alt─▒nda kullan─▒ma sunulmu┼čtur.



Created 2024-03-23, Updated 2024-06-19
Authors: RizwanMunawar (3), glenn-jocher (2), Burhan-Q (1)

Yorumlar