YOLOV11分类动物图像

#数据集来源:kaggle Animal 10

#模型: yolo11x-cls.pt (这个是用来做图像分类的)

-------------第二次编辑-------------------------

博主在这里发现YOLO11s-cls的效果是比yolo11x-cls的效果好一些，这里不知道具体原因。

可能是yolo11x-cls容易过拟合的原因，所以可尝试从5轮开始训练.

对于YOLO模型训练，分为两步：准备并处理好训练集，写脚本训练模型

我们需要把数据集处理好，一个好的数据集往往能提高模型整体质量，识别率也比较高。

训练集处理部分

由于我们从Kaggle---animal 10获取的数据集，它们的图片像素大小都是未经过处理的，如果直接拿去训练，它们的效果会很差。所以先处理图片的像素为第一步。

图片尺寸	优点	缺点	推荐场景
128×128	快速训练	丢失细节	测试模型
224×224	速度与精度平衡	几乎无	分类任务标准尺寸
320×320	捕捉更多细节	占显存	动物体型差异大时
640×640	极高精度	慢、显存大	检测任务（非分类）

像素大小，自己选择，我这里选的是224x224。

像素重置

import cv2
import os
from tqdm import tqdm
import numpy as np

# ===== 路径配置 =====
input_root = r"your_jpg_path"      # 原始图片路径
output_root = r"the_path_you_need" # 输出路径
target_size = (224, 224)                         # 最终尺寸
fill_color = (0, 0, 0)                           # 填充颜色：黑色，可改成 (255,255,255) 白色

# ===== 函数：等比例缩放并填充 =====
def letterbox_image(image, target_size, fill_color=(0,0,0)):
    h, w = image.shape[:2]
    target_w, target_h = target_size

    # 按比例缩放
    scale = min(target_w / w, target_h / h)
    new_w, new_h = int(w * scale), int(h * scale)
    resized = cv2.resize(image, (new_w, new_h), interpolation=cv2.INTER_AREA)

    # 创建背景并填充图像
    result = np.full((target_h, target_w, 3), fill_color, dtype=np.uint8)
    x_offset = (target_w - new_w) // 2
    y_offset = (target_h - new_h) // 2
    result[y_offset:y_offset + new_h, x_offset:x_offset + new_w] = resized

    return result

# ===== 批量处理所有图片 =====
for category in os.listdir(input_root):
    category_path = os.path.join(input_root, category)
    if not os.path.isdir(category_path):
        continue

    output_category = os.path.join(output_root, category)
    os.makedirs(output_category, exist_ok=True)

    print(f"正在处理类别: {category}")
    images = [f for f in os.listdir(category_path)
              if f.lower().endswith(('.jpg', '.jpeg', '.png'))]

    for img_name in tqdm(images, desc=f"{category}", ncols=80):
        src_path = os.path.join(category_path, img_name)
        dst_path = os.path.join(output_category, img_name)

        try:
            img = cv2.imread(src_path)
            if img is None:
                continue
            processed = letterbox_image(img, target_size, fill_color)
            cv2.imwrite(dst_path, processed)
        except Exception as e:
            print(f"⚠️ 跳过文件: {img_name}, 错误: {e}")

print("\n✅ 所有图片已统一为 224x224（比例保持不变，自动填充）")
print("输出路径:", output_root)

如果想改成别的像素大小的话，直接修改target_size就好了。

这里只需要改变路径还有自己想要的像素，就可以直接使用了

然后注意一点：就是我们在压缩或者拉伸图片的大小时，图片会出现失真，也就是会有白边或者模糊，这样子的照片也会使得模型训练出现问题，因此我们需要对需要拉伸或压缩的部分，进行黑边补齐，图片等比例缩小。这样子就不会实际影响到图片质量。

所有图片最终都是 224×224，

但保持原图比例不变，

不拉伸、不压扁，

多余的空白部分自动填充（通常为黑色或白色）。

这种操作叫做 Letterbox Padding（信箱填充）。

图片改名

这部分图片是否改名，其实没有那么重要。但是如果你是要进行成果展示的话。最好还是改一下图片的名称。不过这个也有脚本可以直接使用。

import os

base_dir = r"E:\HomeWork\archive\demo\dataset\images"
#这里改成你想要的文件的位置。


for cls in os.listdir(base_dir):
    cls_path = os.path.join(base_dir, cls)
    if not os.path.isdir(cls_path):  # 跳过非文件夹
        continue
    # 筛选图片文件（不区分大小写）
    files = [f for f in os.listdir(cls_path) if f.lower().endswith(('.jpg','.png','.jpeg'))]
    for i, f in enumerate(files):
        ext = os.path.splitext(f)[1]  # 获取原扩展名（如 .jpg）
        new_name = f"{cls}_{i:04d}{ext}"  # 生成新文件名（如 "cat_0000.jpg"）
        os.rename(os.path.join(cls_path, f), os.path.join(cls_path, new_name))

我这里的路径结尾 images 这里下面是存放自己的数据集的类别文件夹。

然后你这些子文件夹中的图片都会被改成与这个子文件同名+后缀数字。

训练集划分

这一步就是进行划分我们的数据集，分别为train和val。

datasets/

animals/

train/

cat/

dog/

horse/

val/

cat/

dog/

horse/

import os, random, shutil

base_dir = r"E:\HomeWork\archive\demo\dataset\images"
output_dir = r"E:\term_middle\animals_yolo"

train_ratio = 0.8  # 80% 用于训练，20% 用于验证

for cls in os.listdir(base_dir):
    src_dir = os.path.join(base_dir, cls)
    if not os.path.isdir(src_dir):
        continue

    imgs = [f for f in os.listdir(src_dir) if f.lower().endswith(('.jpg','.png','.jpeg'))]
    random.shuffle(imgs)

    n_train = int(len(imgs) * train_ratio)
    train_imgs = imgs[:n_train]
    val_imgs = imgs[n_train:]

    for phase, subset in [('train', train_imgs), ('val', val_imgs)]:
        dst_dir = os.path.join(output_dir, phase, cls)
        os.makedirs(dst_dir, exist_ok=True)
        for img in subset:
            shutil.copy(os.path.join(src_dir, img), os.path.join(dst_dir, img))

print("✅ 数据集划分完成")

这里只需要你改变基地址以及结果存放地址即可，同时你也可以改变训练集的比例。

然后就是可以直接使用。

模型训练部分

模型训练脚本

from ultralytics import YOLO

if __name__ == '__main__':
    model = YOLO("yolo11x-cls.yaml")
    results = model.train(data="E:/term_middle/animals_yolo", epochs=10, imgsz=224)

对代码解释:

epochs = 10 这里是训练轮数，这个轮数并不是越多越好的，可能会出现过拟合。需要自己抉择，你的数据集越多基本上训练的轮数就可以越少。 一般取10轮。

batch

imgsz --- 图像的像素大小， 让yolo进行训练的时候，把用于训练的图像压缩到该像素大小224

对于 if__name__ == 'main':

Windows 系统下使用 PyTorch 多进程 DataLoader 时的经典问题 ，根本原因是：在 Windows 上，multiprocessing 默认使用 spawn 而不是 fork，而 spawn 会重新导入主模块，如果主模块直接执行了训练代码（而不是放在 if __name__ == '__main__': 保护块中），就会无限递归地启动新进程，导致崩溃。

所以我们一定要把训练放到这个判断语句下面

在YOLO训练过程中，会自动生成训练和验证的损失曲线

这里需要改变的部分是分类模型，需要你自己去github下载一个到此文件夹中。

一个tarin.py 这里都是需要放到该项目文件夹中的。

这里是具体训练过程。

----------后续更新训练曲线-验证--------------

模型验证部分

模型验证环节，非常简单的代码。 这里就直接提供代码了

from ultralytics import YOLO

if __name__ == '__main__':
    # Load a model
    model = YOLO("yolo11x-cls.pt")  # 加载官方的模型
    model = YOLO("C:/Users/madao/runs/classify/train3/weights/best.pt")  # 你自己训练好的best.pt模型

    # Validate the model
    metrics = model.val()  # no arguments needed, dataset and settings remembered
    metrics.top1  # top1 accuracy
    metrics.top5  # top5 accuracy

以上就是验证环节会给到的一些数据。

实时检测部分

import cv2
from ultralytics import YOLO

# ===========================
# 1. 加载您自己的训练好的模型
# ===========================
# 替换为您的模型路径（可以是本地路径或官方模型名）
model = YOLO("C:/Users/madao/runs/classify/train3/weights/best.pt")  # 例如：yolo11x-cls.pt 或 ./best.pt

# ===========================
# 2. 打开摄像头（默认摄像头编号0）
# ===========================
cap = cv2.VideoCapture(0)  # 0表示默认摄像头，如果您有多个摄像头，可以尝试1,2等

# 检查摄像头是否成功打开
if not cap.isOpened():
    print("无法打开摄像头，请检查设备连接。")
    exit()

# ===========================
# 3. 实时检测循环
# ===========================
while True:
    # 从摄像头读取帧
    ret, frame = cap.read()

    if not ret:
        print("无法获取视频帧，请检查摄像头。")
        break

    # ===========================
    # 4. 模型推理（预测）
    # ===========================
    results = model(frame)

    # ===========================
    # 5. 绘制检测结果
    # ===========================
    annotated_frame = results[0].plot()

    # ===========================
    # 6. 显示结果
    # ===========================
    cv2.imshow("YOLO实时检测", annotated_frame)

    # 按ESC键退出（ASCII码27）
    if cv2.waitKey(1) == 27:
        break

# ===========================
# 7. 释放资源
# ===========================
cap.release()
cv2.destroyAllWindows()
print("实时检测已停止。")