Détection d'Animaux YOLOv8
Détection d'animaux en 80 classes avec YOLOv8n. mAP@0,5=0,668, mAP@0,5:0,95=0,560. Meilleur : Tigre (0,967), Moineau (0,953). Difficile : Calmar (0,009). ONNX (12,3 Mo). 29 071 images pour 80 espèces.
22 566 images, 80 espèces, annoté avec CVAT
Conversion CVAT→YOLO → fine-tuning YOLOv8n → export ONNX pour déploiement edge
Pipeline de détection d'animaux à 80 classes avec YOLOv8n.
Jeu de données
- ▸22 566 images annotées : 18 053 entraînement / 4 513 val + 6 505 test
- ▸80 espèces animales : Ours → Zèbre (alphabétiquement)
- ▸XML CVAT → format YOLO normalisé (multi-thread, 4 workers CPU)
- ▸Déséquilibre de classes : 2 images (espèces rares) à 100+ (espèces communes)
Entraînement YOLOv8n (3,15M paramètres, 73 couches) — 50 époques, batch=16, imgsz=640, AdamW (lr=1e-3), patience=10
Performance Globale
| Métrique | Valeur |
|---|---|
| mAP@0,5 | 0,6681 |
| mAP@0,5:0,95 | 0,5596 |
| Précision | 0,6706 |
| Rappel | 0,6478 |
| Vitesse d'inférence | 3,0ms / image |
Points Forts par Classe
| Meilleures Espèces | mAP@0,5 | Pires Espèces | mAP@0,5 |
|---|---|---|---|
| Tigre | 0,967 | Calmar | 0,009 |
| Moineau | 0,953 | Hippocampe | 0,000 |
| Rhinocéros | 0,940 | Hamster | 0,230 |
| Hérisson | 0,942 |
La variance de performance est presque entièrement due au nombre d'échantillons d'entraînement. La vitesse de 3,0ms rend ce système viable pour la surveillance de la faune en temps réel.
Déploiement : Export ONNX (12,3 Mo) pour appareils edge.