Este projeto utiliza YOLOv8 para detectar diferentes animais africanos em imagens. O modelo foi treinado para identificar:

• 🦬 Buffalo
• 🐘 Elephant
• 🦏 Rhino
• 🦓 Zebra

• Python 3.8+
• GPU (recomendado)
• Bibliotecas necessárias (instale usando o arquivo requirements.txt):

pip install -r requirements.txt

dio-yolo-segmentacao/
├── datasets/african-wildlife/    # Dataset
├── notebooks/                    # Jupyter notebooks
├── predict/                      # Resultados das predições
├── runs/detect/                  # Logs e pesos do modelo
└── requirements.txt

# Clone o repositório
git clone https://github.com/seu-usuario/dio-yolo-segmentacao.git
cd dio-yolo-segmentacao

# Instale as dependências
pip install -r requirements.txt

Execute o notebook yolo-segmentacao.ipynb:

Carrega o dataset African Wildlife Configura o modelo YOLOv8 Treina por 100 épocas Salva os melhores pesos

Usando o Notebook Abra yolo-predict.ipynb e siga as instruções para:

Carregar imagens Fazer predições Visualizar resultados

Usando Linha de Comando

# Para uma única imagem
yolo predict model=runs/detect/train/weights/best.pt source=sua_imagem.jpg

yolo predict model=runs/detect/train/weights/best.pt source=pasta_imagens/

yolo predict model=runs/detect/train/weights/best.pt source=0

O modelo foi treinado com:

1052 imagens de treino 225 imagens de validação 227 imagens de teste

Ajuste o threshold de confiança para melhorar as detecções:

pythonCopymodel.predict(source='imagem.jpg', conf=0.25)  # Padrão é 0.25

Use imagens bem iluminadas Evite imagens muito distantes Mantenha resolução similar ao treino (640x640)

Contribuições são bem-vindas! Sinta-se à vontade para:

Reportar bugs Sugerir melhorias Enviar pull requests

Este projeto está sob a licença MIT.

Desenvolvido para o curso da DIO 🚀