非洲野生动物数据集
该数据集展示了南非自然保护区中常见的四类动物。其中包括水牛、大象、犀牛和斑马等非洲野生动物的图像,为了解它们的特征提供了宝贵的资料。该数据集对于训练计算机视觉算法至关重要,有助于识别从动物园到森林等各种栖息地中的动物,并为野生动物研究提供支持。
数据集结构
非洲野生动物物体检测数据集分为三个子集:
- 训练集:包含 1052 幅图像,每幅图像都有相应的注释。
- 验证集:包括 225 幅图像,每幅图像都有配对注释。
- 测试集:由 227 幅图像组成,每幅图像都有配对注释。
应用
该数据集可用于各种计算机视觉任务,如物体检测、物体跟踪和研究。具体来说,它可用于训练和评估识别图像中非洲野生动物对象的模型,这可应用于野生动物保护、生态研究以及自然保护区和保护区的监测工作。此外,它还可以作为宝贵的教育资源,使学生和研究人员能够研究和了解不同动物物种的特征和行为。
数据集 YAML
YAML(另一种标记语言)文件定义了数据集的配置,包括路径、类和其他相关细节。对于非洲野生动物数据集,YAML 文件中的 african-wildlife.yaml
文件位于 https://github.com/ultralytics/ultralytics/blob/main/ultralytics/cfg/datasets/african-wildlife.yaml.
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://ultralytics.com/assets/african-wildlife.zip
使用方法
要在非洲野生动物数据集上对YOLOv8n 模型进行 100 个历元(图像大小为 640)的训练,请使用所提供的代码示例。有关可用参数的完整列表,请参阅模型的训练页面。
列车示例
推理示例
图片和注释示例
非洲野生动物数据集包含各种图像,展示了不同的动物物种及其自然栖息地。以下是该数据集中的图片示例,每张图片都附有相应的注释。
- 镶嵌图像在这里,我们展示了由镶嵌数据集图像组成的训练批次。马赛克是一种训练技术,可将多幅图像合成一幅,从而丰富批次的多样性。这种方法有助于增强模型在不同物体尺寸、长宽比和环境下的泛化能力。
这个例子说明了非洲野生动物数据集中图像的多样性和复杂性,强调了在训练过程中使用马赛克的好处。
引文和致谢
该数据集根据AGPL-3.0 许可发布。