كل المشاريع
رؤية الحاسوب
كشف الحيوانات بـ YOLOv8
كشف الحيوانات بـ 80 فئة مع YOLOv8n. mAP@0.5=0.668. الأفضل: النمر (0.967)، عصفور (0.953). الأصعب: الحبار (0.009). ONNX (12.3 MB). 29,071 صورة لـ 80 نوعاً.
0.6681
mAP@0.5 (overall)
0.967
Best class (Tiger)
0.5596
mAP@0.5:0.95
3.0ms / image
Inference speed
مجموعة البيانات
22,566 صورة، 80 نوعاً، مُعلَّمة بـ CVAT
المنهجية
تحويل CVAT→YOLO → ضبط دقيق YOLOv8n → تصدير ONNX للأجهزة الطرفية
المكدس التقني
PythonYOLOv8 (Ultralytics)ONNXCVATAdamW
الكلمات المفتاحية
YOLOv8Object Detection80-classWildlifeONNXEdge Deployment
المرئيات5 مخططات
التعمق
خط أنابيب كشف الحيوانات بـ 80 فئة باستخدام YOLOv8n.
مجموعة البيانات
- ◂22,566 صورة موسومة: 18,053 تدريب / 4,513 تحقق + 6,505 اختبار
- ◂80 نوعاً حيوانياً: دب → حمار وحشي (أبجدياً)
- ◂XML CVAT → تنسيق YOLO المعياري (متعدد الخيوط، 4 معالجات)
- ◂عدم توازن الفئات: من 2 صور (أنواع نادرة) إلى 100+ (أنواع شائعة)
التدريب YOLOv8n (3.15M معامل، 73 طبقة) — 50 حقبة، batch=16، imgsz=640، AdamW (lr=1e-3)، patience=10
الأداء الإجمالي
| المقياس | القيمة |
|---|---|
| mAP@0.5 | 0.6681 |
| mAP@0.5:0.95 | 0.5596 |
| الدقة | 0.6706 |
| الاسترجاع | 0.6478 |
| سرعة الاستدلال | 3.0ms / صورة |
أبرز النتائج لكل فئة
| أفضل الأنواع | mAP@0.5 | أصعب الأنواع | mAP@0.5 |
|---|---|---|---|
| النمر | 0.967 | الحبار | 0.009 |
| العصفور | 0.953 | فرس البحر | 0.000 |
| وحيد القرن | 0.940 | الهامستر | 0.230 |
| القنفذ | 0.942 |
تعتمد تباينات الأداء بشكل شبه كامل على عدد عينات التدريب. سرعة 3.0ms تجعله صالحاً لمراقبة الحياة البرية في الوقت الفعلي.
النشر: تصدير ONNX (12.3 MB) للأجهزة الطرفية.