标注的写意国画数据集和yolo模型，可识别花鸟，家禽等类型，识别率81.3%以上，支持yolo，coco json，pascal voc xml格式

模型训练指标参数：

YOLOv12 + NVIDIA L40 训练完成 | 最优模型核心指标
mAP@50      (核心检测精度): 0.8130
mAP@50-95   (综合检测精度): 0.6408
精确率(Precision): 0.7772
召回率(Recall)   : 0.7208

数据集拆分

训练集

459图像

验证集

24图像

测试集

54图像

预处理

自动定向：应用

调整大小：拉伸到640x640

增强

未进行任何增强

数据集标签：

'bird', 'butterfly', 'duck', 'egret', 'flower', 'kingfisher', 'lotus', 'lotus-seed', 'magpie', 'moran', 'pheasant', 'phoenix', 'tiger'

数据集图片和标注信息示例：

数据集下载：

yolo26:https://download.csdn.net/download/pbymw8iwm/92771066

yolo v12:https://download.csdn.net/download/pbymw8iwm/92771070

yolo v11:https://download.csdn.net/download/pbymw8iwm/92771069

yolo v9:https://download.csdn.net/download/pbymw8iwm/92771072

yolo v8:https://download.csdn.net/download/pbymw8iwm/92771065

yolo v7:https://download.csdn.net/download/pbymw8iwm/92771063

yolo v5:https://download.csdn.net/download/pbymw8iwm/92771067

yolo darknet:https://download.csdn.net/download/pbymw8iwm/92771071

coco json: https://download.csdn.net/download/pbymw8iwm/92771073

pascal voc xml:https://download.csdn.net/download/pbymw8iwm/92771068

 YOLO模型训练

下载数据集之后解压到当前文件夹，然后将 我的仓库 https://gitcode.com/pbymw8iwm/YOLOProject里的训练模型脚本复制到文件夹下，假设你使用的是yolov8来训练你就用 python train_yolov8.py

注意，请根据你的GPU能力来适当调整训练参数，比如训练batch，patience，workers，以及模型类型（如果你的GPU硬件条件限制，可以联系作者进行付费模型训练，部分模型只需要一杯奶茶钱）

​

模型下载：

https://download.csdn.net/download/pbymw8iwm/92771064

模型验证测试情况：

验证测试代码：

#需要安装pip install ultralytics
from ultralytics import YOLO
import cv2

# 加载训练好的 YOLO .pt 模型
model = YOLO('best.pt')  # 替换为你实际的 .pt 模型文件路径

# 定义要测试的图片路径
image_path = './image.jpg'  # 替换为你实际的图片文件路径

# 使用模型对图片进行预测
results = model(image_path)

# 获取预测结果
for result in results:
    # 获取绘制了检测框的图片
    annotated_image = result.plot()

    # 显示图片
    cv2.imshow("YOLOv Inference", annotated_image)

    # 等待按键退出
    cv2.waitKey(0)

    # 关闭所有 OpenCV 窗口
    cv2.destroyAllWindows()