Bộ dữ liệu African Wildlife#

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

Dataset Ultralytics African Wildlife là một dataset object detection gồm 1.504 hình ảnh thuộc 4 lớp động vật — trâu, voi, tê giác và ngựa vằn — thường được tìm thấy trong các khu bảo tồn thiên nhiên Nam Phi. Các hình ảnh được chia sẵn thành 1.052 ảnh huấn luyện, 225 ảnh xác thực và 227 ảnh kiểm tra, và dataset sẽ tự động tải xuống (~100 MB) trong lần huấn luyện đầu tiên của bạn. Đây là một benchmark gọn nhẹ, sẵn sàng sử dụng để huấn luyện các model computer vision phục vụ việc theo dõi động vật hoang dã, bảo tồn và nghiên cứu sinh thái.

Cấu trúc tập dữ liệu#

Ultralytics African Wildlife Dataset chứa 1.504 ảnh thuộc 4 lớp (trâu, voi, tê giác và ngựa vằn), được chia sẵn thành ba tập con:

• Tập huấn luyện (Training set): 1.052 ảnh, mỗi ảnh đều có các chú thích tương ứng.
• Tập kiểm chứng (Validation set): 225 ảnh, mỗi ảnh đều có các chú thích đi kèm.
• Tập kiểm thử (Testing set): 227 ảnh, mỗi ảnh đều có các chú thích đi kèm.

Khám phá African Wildlife on Ultralytics Platform để duyệt qua các hình ảnh cùng với lớp phủ chú thích của chúng, xem phân phối lớp và bản đồ nhiệt bounding-box trong tab Charts, đồng thời clone nó để huấn luyện model của riêng bạn trên cloud.

Ứng dụng#

Dataset Ultralytics African Wildlife hỗ trợ nhiều ứng dụng object detection:

• Bảo tồn động vật hoang dã — phát hiện và đếm trâu, voi, tê giác và ngựa vằn để hỗ trợ animal population monitoring trong các khu bảo tồn thiên nhiên và khu vực được bảo vệ.
• Nghiên cứu sinh thái — nghiên cứu sự phân bố và hành vi của các loài trên các môi trường sống khác nhau.
• Giám sát chống săn trộm — đánh dấu động vật trong camera bẫy hoặc cảnh quay từ thiết bị bay không người lái trên các khu vực bảo tồn rộng lớn.
• Giáo dục và tạo mẫu (prototyping) — một dataset bốn lớp gọn nhẹ để học tập cách model training và prediction.

YAML tập dữ liệu#

Một file YAML định nghĩa cấu hình dataset, bao gồm các đường dẫn, lớp và các chi tiết liên quan khác. Đối với Dataset African Wildlife, file african-wildlife.yaml nằm tại https://github.com/ultralytics/ultralytics/blob/main/ultralytics/cfg/datasets/african-wildlife.yaml.

# 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

Cách sử dụng#

Để huấn luyện model YOLO26n trên Dataset African Wildlife trong 100 epochs với kích thước ảnh là 640, hãy sử dụng các mẫu code được cung cấp. Để có danh sách toàn diện các tham số khả dụng, hãy tham khảo trang Training của model.

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)

Sau khi huấn luyện, hãy chạy inference với model đã được fine-tune trên các hình ảnh mới:

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")

Hình ảnh mẫu và chú thích#

African Wildlife Dataset bao gồm nhiều loại hình ảnh đa dạng thể hiện các loài động vật khác nhau và môi trường sống tự nhiên của chúng. Dưới đây là các ví dụ về hình ảnh từ tập dữ liệu, mỗi ảnh đều đi kèm với các chú thích tương ứng.

• Mosaiced Image: Tại đây, chúng tôi trình bày một batch huấn luyện bao gồm các hình ảnh từ bộ dữ liệu đã được ghép (mosaic). Mosaicing là một kỹ thuật huấn luyện kết hợp nhiều hình ảnh thành một, giúp làm phong phú sự đa dạng của batch. Phương pháp này giúp tăng cường khả năng tổng quát hóa của model trên các kích thước đối tượng, tỷ lệ khung hình và bối cảnh khác nhau.

Trích dẫn, Giấy phép và Ghi nhận#

Chúng tôi muốn gửi lời cảm ơn đến tác giả gốc của dataset, Bianca Ferreira, vì đã phát hành dataset này cho cộng đồng. Đội ngũ Ultralytics đã cập nhật và điều chỉnh nó nội bộ để có thể sử dụng mượt mà với các model Ultralytics YOLO. Dataset nguồn không chỉ định giấy phép.

Nếu bạn sử dụng bộ dữ liệu này trong nghiên cứu của mình, vui lòng trích dẫn nó bằng các chi tiết được đề cập:

@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}
}

Câu hỏi thường gặp#