带标注的非洲草原动物识别数据集和模型，识别率89.5%,可识别大象，狮子，长颈鹿，猎豹，犀牛，支持yolo，coco json，pascal voc xml格式

模型训练指标参数：

数据集拆分

训练集

1035图像

验证集

294图像

测试集

150图像

预处理

自动定向：应用

调整大小：拉伸到640x640

增强

无

数据集标签：

'Elephant', 'Giraffe', 'Leopard', 'Rhino', 'lion'

数据集图片和标注信息示例：

数据集下载：

yolo26:https://download.csdn.net/download/pbymw8iwm/92776858

yolo v12:https://download.csdn.net/download/pbymw8iwm/92776861

yolo v11:https://download.csdn.net/download/pbymw8iwm/92776863

yolo v9:https://download.csdn.net/download/pbymw8iwm/92776855

yolo v8:https://download.csdn.net/download/pbymw8iwm/92776853

yolo v7:https://download.csdn.net/download/pbymw8iwm/92776857

yolo v5:https://download.csdn.net/download/pbymw8iwm/92776856

yolo darknet:https://download.csdn.net/download/pbymw8iwm/92776854

coco json:https://download.csdn.net/download/pbymw8iwm/92776860

pascal voc xml:https://download.csdn.net/download/pbymw8iwm/92776862

 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/92776859

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()
    

推理结果：

{
  "predictions": [
    {
      "x": 129,
      "y": 134.5,
      "width": 218,
      "height": 197,
      "confidence": 0.97,
      "class": "Elephant",
      "class_id": 0,
      "detection_id": "9f6f5456-1560-4cc4-adcf-a79f6690a52d"
    }
  ]
}

推理结果：

{
  "predictions": [
    {
      "x": 120.5,
      "y": 108.5,
      "width": 69,
      "height": 117,
      "confidence": 0.952,
      "class": "Elephant",
      "class_id": 0,
      "detection_id": "9227d82a-6692-4e1e-b8e8-fe771352edf8"
    },
    {
      "x": 46,
      "y": 152,
      "width": 92,
      "height": 190,
      "confidence": 0.951,
      "class": "Elephant",
      "class_id": 0,
      "detection_id": "afacff09-e9c3-4350-a1d5-5e371b97c31e"
    },
    {
      "x": 116.5,
      "y": 138,
      "width": 41,
      "height": 58,
      "confidence": 0.858,
      "class": "Elephant",
      "class_id": 0,
      "detection_id": "a131a5a7-a345-476a-b4f2-c6d6c14f2b5b"
    },
    {
      "x": 245,
      "y": 192,
      "width": 20,
      "height": 128,
      "confidence": 0.518,
      "class": "Elephant",
      "class_id": 0,
      "detection_id": "061aab30-c1f1-41eb-b96d-83929d945c8b"
    }
  ]
}