【YOLO数据集】遛狗未牵绳目标检测

📥 1、背景

近年来，随着城市养宠家庭的增多，犬只户外活动引发的管理问题日益凸显。其中，"遛狗不牵绳"已成为社区安全与公共秩序的一大隐患。此类行为不仅容易导致犬只走失、受伤或发生交通事故，更可能因犬只失控而引发邻里纠纷，甚至造成人身伤害，尤其对儿童、老人及怕犬人士构成潜在威胁。尽管多地已出台相关管理条例，明确要求携犬出户时必须使用牵引绳，但由于缺乏高效、常态化的监管手段，违规行为仍难以被实时发现与取证。因此，探索利用计算机视觉技术，特别是基于深度学习的实时目标检测算法，对公共区域中"遛狗未牵绳"行为进行自动识别与预警，成为提升城市宠物管理智能化水平、辅助执法取证、促进文明养犬的重要技术路径。通过部署智能监控系统，可实现从被动投诉到主动监管的模式转变，为构建和谐安全的公共环境提供技术支撑。

📌 2、数据集概览

项目	内容
数据集名称	遛狗未牵绳数据集
任务类型	目标检测（Object Detection）
类别	'Leashed_Dog', 'Unleashed_Dog'
标注格式	YOLO TXT 格式（`<类别> <中心x> <中心y> <宽度> <高度>`，坐标和尺寸均为相对于图像宽高的归一化值（0-1））
图片总数	7902
标注总数	8795

🗂 3、数据详情

类别ID	类别名称	图片数量	标注数量
0	Leashed_Dog	4441	5233
1	Unleashed_Dog	3499	3562
总计	-	7902	8795

✨ 4、效果演示

🧠 5、模型训练

1、安装miniconda

地址： https://repo.anaconda.com/miniconda/Miniconda3-latest-Windows-x86_64.exe

环境变量（根据实际的安装目录配置）：

复制代码

C:\ProgramData\miniconda3 
C:\ProgramData\miniconda3\Scripts 
C:\ProgramData\miniconda3\Library\bin

2、创建虚拟环境

shell 复制代码

conda create -n yolo python==3.8
# 查看现有环境
conda env list
# 激活环境 
conda activate yolo
# 激活失败 （执行该命令后重新进入cmd）
conda init cmd.exe

3、源码下载

https://github.com/ultralytics/ultralytics

（注意：不同版本的yolo在不同tag）

4、训练脚本

python 复制代码

import warnings  
warnings.filterwarnings('ignore')  
from ultralytics import YOLO  
  
if __name__ == '__main__':  
    model = YOLO('ultralytics/cfg/models/v8/yolov8n.pt')  # 指定YOLO模型对象，并加载指定配置文件中的模型配置  
    # model.load('yolov8s.pt')      #加载预训练的权重文件'yolov8s.pt'，加速训练并提升模型性能  
    model.train(data='ultralytics/cfg/datasets/data36.yaml',  # 指定训练数据集的配置文件路径，这个.yaml文件包含了数据集的路径和类别信息  
                cache=False,  # 是否缓存数据集以加快后续训练速度，False表示不缓存  
                imgsz=640,  # 指定训练时使用的图像尺寸，640表示将输入图像调整为640x640像素  
                epochs=100,  # 设置训练的总轮数为200轮  
                batch=8,  # 设置每个训练批次的大小为16，即每次更新模型时使用16张图片  
                close_mosaic=0,  # 设置在训练结束前多少轮关闭 Mosaic 数据增强，10 表示在训练的最后 10 轮中关闭 Mosaic                workers=16,  # 设置用于数据加载的线程数为8，更多线程可以加快数据加载速度  
                patience=300,  # 在训练时，如果经过50轮性能没有提升，则停止训练（早停机制）  
                device='0',  # 指定使用的设备，'0'表示使用第一块GPU进行训练  
                optimizer='SGD',  # 设置优化器为SGD（随机梯度下降），用于模型参数更新  
                )

5、配置文件 data.yaml

yaml 复制代码

train: E:/data/yoloTrain/dog/images/train
val: E:/data/yoloTrain/dog/images/val
nc: 2
names: ['Leashed_Dog','Unleashed_Dog']

🛠 6、配套服务

我们提供一站式视觉解决方案，包括：

模型训练与调优指导
部署环境远程配置
定制标注与数据增强
毕业设计/课题辅导
企业项目合作开发

❓ 7、常见问题

Q：标注格式如何转换？

A：提供Python转换脚本，支持YOLO→VOC/COCO，开箱即用：点击下载转换脚本