Afrika Yaban Hayatı Veri Seti

Bu veri seti, Güney Afrika doğa rezervlerinde tipik olarak bulunan dört yaygın hayvan sınıfını sergiliyor. Bufalo, fil, gergedan ve zebra gibi Afrika yaban hayatının görüntülerini içerir ve özellikleri hakkında değerli bilgiler sağlar. Bilgisayarla görme algoritmalarını eğitmek için gerekli olan bu veri kümesi, hayvanat bahçelerinden ormanlara kadar çeşitli habitatlardaki hayvanların tanımlanmasına yardımcı olur ve vahşi yaşam araştırmalarını destekler.

İzle: Afrika Yaban Hayatı Hayvanlarının Tespiti Ultralytics YOLOv8

Veri Kümesi Yapısı

Afrika yaban hayatı nesneleri algılama veri kümesi üç alt kümeye ayrılmıştır:

• Eğitim seti: Her biri ilgili açıklamalara sahip 1052 görüntü içerir.
• Doğrulama seti: Her biri eşleştirilmiş ek açıklamalara sahip 225 görüntü içerir.
• Test seti: Her biri eşleştirilmiş ek açıklamalara sahip 227 görüntüden oluşur.

Uygulamalar

Bu veri kümesi nesne algılama, nesne izleme ve araştırma gibi çeşitli bilgisayarla görme görevlerinde uygulanabilir. Özellikle, görüntülerdeki Afrika yaban hayatı nesnelerini tanımlamaya yönelik modelleri eğitmek ve değerlendirmek için kullanılabilir; bu da yaban hayatının korunması, ekolojik araştırmalar ve doğal rezervler ile korunan alanlardaki izleme çalışmalarında uygulama alanı bulabilir. Ayrıca, öğrencilerin ve araştırmacıların farklı hayvan türlerinin özelliklerini ve davranışlarını incelemelerini ve anlamalarını sağlayarak eğitim amaçlı değerli bir kaynak olarak hizmet edebilir.

Veri Kümesi YAML

Bir YAML (Yet Another Markup Language) dosyası, yollar, sınıflar ve diğer ilgili ayrıntılar dahil olmak üzere veri kümesi yapılandırmasını tanımlar. Afrika yaban hayatı veri kümesi için african-wildlife.yaml dosyası şu adreste bulunur https://github.com/ultralytics/ultralytics/blob/main/ultralytics/cfg/datasets/african-wildlife.yaml.

# Ultralytics YOLO 🚀, 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
# ├── 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: ../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://github.com/ultralytics/assets/releases/download/v0.0.0/african-wildlife.zip

Kullanım

Afrika yaban hayatı veri kümesi üzerinde 640 görüntü boyutunda 100 epok için bir YOLOv8n modelini eğitmek için sağlanan kod örneklerini kullanın. Kullanılabilir parametrelerin kapsamlı bir listesi için modelin Eğitim sayfasına bakın.

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

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"

Örnek Görüntüler ve Açıklamalar

Afrika vahşi yaşam veri kümesi, çeşitli hayvan türlerini ve doğal yaşam alanlarını sergileyen çok çeşitli görüntülerden oluşmaktadır. Aşağıda, veri setinden her birine karşılık gelen açıklamaların eşlik ettiği görüntü örnekleri yer almaktadır.

• Mozaiklenmiş Görüntü: Burada, mozaiklenmiş veri kümesi görüntülerinden oluşan bir eğitim grubu sunuyoruz. Bir eğitim tekniği olan mozaikleme, birden fazla görüntüyü tek bir görüntüde birleştirerek yığın çeşitliliğini zenginleştirir. Bu yöntem, modelin farklı nesne boyutları, en boy oranları ve bağlamlar arasında genelleme yapma yeteneğini geliştirmeye yardımcı olur.

Bu örnek, Afrika yaban hayatı veri setindeki görüntülerin çeşitliliğini ve karmaşıklığını göstermekte ve eğitim sürecinde mozaiklemenin faydalarını vurgulamaktadır.

Atıflar ve Teşekkür

Veri seti AGPL-3.0 Lisansı altında kullanıma sunulmuştur.

SSS

Afrika Yaban Hayatı Veri Seti nedir ve bilgisayarla görme projelerinde nasıl kullanılabilir?

Afrika Vahşi Yaşam Veri Kümesi, Güney Afrika doğa rezervlerinde bulunan dört yaygın hayvan türünün görüntülerini içerir: bufalo, fil, gergedan ve zebra. Nesne algılama ve hayvan tanımlamada bilgisayarla görme algoritmalarını eğitmek için değerli bir kaynaktır. Veri seti nesne takibi, araştırma ve koruma çalışmaları gibi çeşitli görevleri desteklemektedir. Veri setinin yapısı ve uygulamaları hakkında daha fazla bilgi için Veri Seti Yapısı ve Veri Seti Uygulamaları bölümlerine bakınız.

Afrika Yaban Hayatı Veri Setini kullanarak bir YOLOv8 modelini nasıl eğitebilirim?

Afrika Yaban Hayatı Veri Kümesi üzerinde YOLOv8 modelini eğitmek için african-wildlife.yaml yapılandırma dosyası. Aşağıda, 640 görüntü boyutuyla 100 epok için YOLOv8n modelinin nasıl eğitileceğine dair bir örnek verilmiştir:

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

Ek eğitim parametreleri ve seçenekleri için Eğitim belgelerine bakın.

Afrika Vahşi Yaşam Veri Kümesi için YAML yapılandırma dosyasını nerede bulabilirim?

Afrika Yaban Hayatı Veri Kümesi için YAML yapılandırma dosyası african-wildlife.yamladresinde bulunabilir. bu GitHub bağlantısı. Bu dosya, yollar, sınıflar ve makine öğrenimi modellerini eğitmek için çok önemli olan diğer ayrıntılar dahil olmak üzere veri kümesi yapılandırmasını tanımlar. Bkz. Veri Kümesi YAML bölümünde daha fazla ayrıntı bulabilirsiniz.

Afrika Yaban Hayatı Veri Setinden örnek görüntüleri ve açıklamaları görebilir miyim?

Evet, Afrika Yaban Hayatı Veri Seti, doğal ortamlarında çeşitli hayvan türlerini sergileyen çok çeşitli görüntüler içermektedir. Örnek görüntüleri ve bunlara karşılık gelen açıklamaları Örnek Görüntüler ve Açıklamalar bölümünde görüntüleyebilirsiniz. Bu bölümde ayrıca, zenginleştirilmiş toplu çeşitlilik için birden fazla görüntüyü tek bir görüntüde birleştirmek ve modelin genelleme yeteneğini artırmak için mozaikleme tekniğinin kullanımı gösterilmektedir.

Afrika Yaban Hayatı Veri Seti, yaban hayatının korunması ve araştırılmasını desteklemek için nasıl kullanılabilir?

Afrika Yaban Hayatı Veri Seti, farklı habitatlardaki Afrika yaban hayatını tanımlamak için modellerin eğitilmesini ve değerlendirilmesini sağlayarak yaban hayatının korunmasını ve araştırılmasını desteklemek için idealdir. Bu modeller hayvan popülasyonlarının izlenmesine, davranışlarının incelenmesine ve koruma ihtiyaçlarının belirlenmesine yardımcı olabilir. Ayrıca bu veri seti, öğrencilerin ve araştırmacıların farklı hayvan türlerinin özelliklerini ve davranışlarını anlamalarına yardımcı olarak eğitim amaçlı kullanılabilir. Daha fazla ayrıntı Uygulamalar bölümünde bulunabilir.

Yorumlar