data_name = "AnimalsDet"
data_path = abs_path(f'datasets/{data_name}/{data_name}.yaml', path_type='current')
unix_style_path = data_path.replace(os.sep, '/')
紧接着，我们读取了数据集的配置文件并根据需要更新了其中的路径，确保模型能够正确地找到数据集中的图像文件。这一步骤对于模型训练是必要的，因为训练过程需要加载大量的数据。
directory_path = os.path.dirname(unix_style_path)
with open(data_path, 'r') as file:
data = yaml.load(file, Loader=yaml.FullLoader)
if 'path' in data:
data['path'] = directory_path
with open(data_path, 'w') as file:
yaml.safe_dump(data, file, sort_keys=False)
训练模型：在数据集配置就绪后，我们加载了预训练的YOLOv8模型，准备对其进行训练。在模型训练代码中，我们指定了一系列参数，这些参数定义了训练的具体方式，如使用的设备、工作进程数量、输入图像的大小、训练轮数和批处理大小。在此训练任务中，我们特别为模型训练指定了一个名称，这有助于我们跟踪和区分不同的训练过程。这个名称通常包含模型的类型和使用的数据集名称，为实验结果提供了明确的标识。
model = YOLO(abs_path('./weights/yolov5nu.pt', path_type='current'), task='detect') # 加载预训练的YOLOv8模型
# model = YOLO('./weights/yolov5.yaml', task='detect').load('./weights/yolov5nu.pt') # 加载预训练的YOLOv8模型
# Training.
results = model.train( # 开始训练模型
data=data_path, # 指定训练数据的配置文件路径
device=device, # 自动选择进行训练
workers=workers, # 指定使用2个工作进程加载数据
imgsz=640, # 指定输入图像的大小为640x640
epochs=120, # 指定训练100个epoch
batch=batch, # 指定每个批次的大小为8
name='train_v5_' + data_name # 指定训练任务的名称
)
model = YOLO(abs_path('./weights/yolov8n.pt'), task='detect') # 加载预训练的YOLOv8模型
results2 = model.train( # 开始训练模型
data=data_path, # 指定训练数据的配置文件路径
device=device, # 自动选择进行训练
workers=workers, # 指定使用2个工作进程加载数据
imgsz=640, # 指定输入图像的大小为640x640
epochs=120, # 指定训练100个epoch
batch=batch, # 指定每个批次的大小为8
name='train_v8_' + data_name # 指定训练任务的名称
)
通过上述过程，我们概括了如何使用现代深度学习技术训练一个动物识别模型。从准备硬件环境到加载模型，再到设置训练参数，每一步都精心设计以最大化模型的性能。
5. 实验结果与分析
5.1 训练曲线
在深度学习的实践中，分析模型训练过程中的损失函数和性能指标是至关重要的。通过这些图表，我们能够深入了解模型在训练过程中的行为，并据此调整训练策略。接下来，我们将详细分析YOLOv8在训练时的损失函数和评价指标图像，这些图表为我们提供了训练过程中的洞察。
从训练和验证的损失图中可以看出，模型的损失值随着训练轮数的增加而减少，表明模型正在从训练数据中学习并且在持续进步。具体来说，train/box_loss、train/cls_loss和train/obj_loss的下降表明模型在边界框定位、类别分类和目标检测上的表现随着训练逐渐改善。类似的趋势也出现在验证损失图表中，这表明模型对未见数据同样表现出较好的泛化能力。然而，我们应注意损失曲线是否平滑，任何尖峰都可能表示数据批次中的异常值或模型训练过程中的不稳定性。
转向性能指标，metrics/precision和metrics/recall图表显示出模型的准确率和召回率随着训练逐渐提高，这意味着模型能够更准确地识别图像中的动物，并在检测到的对象中捕获更多正确的实例。在实际应用中，高准确率意味着较少的误报，而高召回率则意味着较少的漏报，这两者的平衡对于动物识别系统来说至关重要。
最后，mAP（平均精度均值）指标，特别是metrics/mAP50和metrics/mAP50-95，为我们提供了整体的性能衡量。mAP是目标检测中常用的一个指标，它考虑了不同置信度阈值下的准确率和召回率。mAP50仅考虑了较高置信度（IOU>0.5）的预测，而mAP50-95考虑了从0.5到0.95不等的各种IOU阈值，为我们提供了模型在不同严格程度下的综合表现。这些图表中的上升趋势显示了模型整体性能的提升，表明我们的模型在检测准确性和可靠性方面都取得了进步。
5.2 混淆矩阵
在深度学习模型的评估过程中，混淆矩阵是一个至关重要的工具，因为它提供了模型性能的直观图像。它揭示了模型在不同类别之间的区分能力，特别是在多类分类问题上。根据提供的混淆矩阵，我们可以对模型在多种类动物识别任务上的性能进行深入分析。
首先，一个理想的混淆矩阵应该在其主对角线上有最高的值，这表明模型能够准确地预测出真实的类别。在此混淆矩阵中，我们可以看到某些类别，如老虎（Tiger）和水牛（Buffalo），在主对角线上有较高的值，意味着模型在这些类别上有很高的准确率。这是模型性能良好的直接标志，尤其是当这些类别在数据集中有足够的代表性时。
然而，狗（Dog）和猫（Cat）的类别可能在预测时相互混淆，如混淆矩阵中相应位置的值所示。这可能是因为狗和猫在体型和外形上有一定的相似性，导致模型在区分这两个类别时出现了一定的困难。这表明模型可能需要对这两类之间的差异性有更好的学习。
进一步分析，我们还可以注意到有些类别，如背景（Background），与几乎所有其他类别都有一定程度的混淆。这可能指出模型在确定目标是否为背景或一个明确的对象时存在困难。这种情况通常要求更多的背景负样本训练，或者是更加复杂的特征提取策略来帮助模型区分。混淆矩阵中的每个值都是标准化后的，这意味着它们表示了每个预测类别在对应真实类别中所占的比例。标准化后的混淆矩阵对于比较不同类别间的性能特别有用，因为它消除了类别不平衡的影响。这种表示方法可以揭示哪些类别的预测是准确的，哪些类别的预测需要改进。
总的来说，混淆矩阵为我们提供了一个全面评估模型性能的途径。它不仅显示了模型在哪些类别上做得好，而且也指出了模型可能混淆的地方，这对于后续的模型优化和改进至关重要。为了提高模型的整体性能，需要对这些混淆区域进行特别关注，通过提供更多的样本、改进特征提取方法或调整分类阈值来减少误差。通过深入分析混淆矩阵并采取相应措施，我们可以逐步提高模型在多种类动物识别任务中的精度和鲁棒性。
5.3 YOLOv8/v7/v6/v5对比实验
（1）实验设计：
本实验旨在评估和比较YOLOv5、YOLOv6、YOLOv7和YOLOv8几种模型在多种类动物目标检测任务上的性能。为了实现这一目标，博主分别使用使用相同的数据集训练和测试了这四个模型，从而可以进行直接的性能比较。该数据集包含多种类动物的图像。本文将比较分析四种模型，旨在揭示每种模型的优缺点，探讨它们在工业环境中实际应用的场景选择。
模型
图像大小 (像素)
mAPval 50-95
CPU ONNX 速度 (毫秒)
A100 TensorRT 速度 (毫秒)
参数数量 (百万)
FLOPs (十亿)
YOLOv5nu
640
34.3
73.6
1.06
2.6
7.7
YOLOv8n
640
37.3
80.4
0.99
3.2
8.7
YOLOv6N
640
37.5
-
-
4.7
11.4
YOLOv7-tiny
640
37.4
-
-
6.01
13.1
（2）度量指标：
F1-Score：F1-Score 作为衡量模型性能的重要指标，尤其在处理类别分布不均的数据集时显得尤为关键。它通过结合精确率与召回率，提供了一个单一的度量标准，能够全面评价模型的效能。精确率衡量的是模型在所有被标记为正例中真正属于正例的比例，而召回率则关注于模型能够识别出的真正正例占所有实际正例的比例。F1-Score通过两者的调和平均，确保了只有当精确率和召回率同时高时，模型的性能评估才会高，从而确保了模型对于正例的预测既准确又完整。
mAP（Mean Average Precision）：在目标检测任务中，Mean Average Precision（mAP）是评估模型性能的重要标准。它不仅反映了模型对单个类别的识别精度，而且还考虑了所有类别的平均表现，因此提供了一个全局的性能度量。在计算mAP时，模型对于每个类别的预测被单独考虑，然后计算每个类别的平均精度（AP），最后这些AP值的平均数形成了mAP。
名称
YOLOv5nu
YOLOv6n
YOLOv7-tiny
YOLOv8n
mAP
0.558
0.559
0.489
0.565
F1-Score
0.53
0.53
0.46
0.51
（3）实验结果分析：
在本次实验中，我们对YOLO系列的四个不同版本 —— YOLOv5nu、YOLOv6n、YOLOv7-tiny、YOLOv8n —— 在相同数据集上进行了性能比较。我们的目的是全面评估这些模型在多种类动物识别任务上的性能，并分析它们在不同指标上的表现。实验结果的分析不仅可以揭示每个模型的优缺点，也能为选择适合的模型提供依据。
通过实验结果我们发现，YOLOv8n在mAP（平均准确率）指标上取得了最好的成绩（0.565），而YOLOv7-tiny的表现则相对较弱，mAP仅为0.489。在F1-Score这一度量上，YOLOv5nu和YOLOv6n均达到了0.53，领先于YOLOv8n的0.51和YOLOv7-tiny的0.46。mAP是衡量模型检测准确性的关键指标，它考虑了模型在不同置信度阈值下的性能表现。而F1-Score则综合考虑了精确率和召回率，是对模型平衡性的度量。
从这些指标对比来看，YOLOv8n在整体检测精度上更加出色，这可能得益于其在网络结构、优化算法、以及可能的训练策略上的改进。YOLOv8作为最新版本，很可能引入了更先进的特征提取和学习机制，以及更高效的计算过程。YOLOv7-tiny之所以在两个指标上表现都较差，可能是因为作为轻量级模型，它在设计上为了保持低延迟和快速检测的特性，牺牲了一定的准确性。
另外，YOLOv5nu和YOLOv6n在F1-Score上的相同成绩说明这两个模型在精确率和召回率上达到了一种较为平衡的状态。它们可能在特征提取和分类阈值选择上做了合适的设计，使得模型在避免过多误报和漏检的情况下保持了较高的准确性。
虽然YOLOv8n在mAP上稍胜一筹，但其F1-Score却没有同步领先，这可能暗示了其在某些情况下可能出现了更多的误报或漏检情况，这一点在实际应用中需要特别留意。在选择模型时，应根据具体任务的需求，考虑到速度和准确性之间的权衡，以及模型部署的硬件环境。
总结来说，每个YOLO版本的模型都有其独特的优势和不足。YOLOv8n在动物识别任务上展现了卓越的整体准确性，而YOLOv5nu和YOLOv6n则在保持准确性的同时，提供了更平衡的检测效果。对于需要在较低计算资源下运行的场景，YOLOv7-tiny尽管牺牲了一些准确性，但仍是一个可考虑的选择。
6. 系统设计与实现
6.1 系统架构概览
在本篇博客中，我们将深入探讨基于YOLOv8/v7/v6/v5的多种类动物识别系统的系统架构设计部分。该系统架构旨在实现高效、准确地识别多种类动物，应用于生态研究、自然保护区监控等场景。接下来，我们将结合代码中的部分类和方法，详细介绍系统的设计与实现。我们的系统基于YOLO（You Only Look Once）模型，特别是其v8/v7/v6/v5版本，为了实现动物的快速和准确识别。系统通过集成YOLO检测器、图像处理技术、以及用户界面设计，提供了一套完整的解决方案。
YOLOv8v5Detector
YOLOv8v5Detector是本系统的核心组件之一，负责加载预训练的YOLO模型，并执行图像上的对象检测任务。该类通过load_model方法加载模型权重，并使用predict方法对输入的图像进行预测，最后通过postprocess方法处理预测结果，以便于后续的使用和展示。
Detection_UI
Detection_UI类是系统的用户界面部分，负责处理用户输入（如文件上传、摄像头选择）、展示检测结果、以及用户交互（如设置检测参数）。该类通过setup_page和setup_sidebar方法初始化页面布局和侧边栏，允许用户选择模型类型、设置置信度和IOU阈值、选择摄像头或上传文件等。
LogTable & ResultLogger
LogTable和ResultLogger类负责记录和展示检测结果。LogTable用于存储每次检测的详细信息（如检测到的对象、位置、置信度等），并通过add_log_entry方法添加新的记录。ResultLogger则用于合并和格式化检测结果，以便在用户界面中展示。
6.2 系统流程
在我们的基于YOLOv8/v7/v6/v5的多种类动物识别系统中，我们精心设计了一套高效且强大的系统流程来确保我们的目标检测系统能够准确、快速地识别出视频或图片中的动物。以下是我们系统的详细流程步骤，我们将通过专业化的程序流程图文字描述来揭示整个系统的运作机制。
初始化系统
首先，系统通过Detection_UI 类的初始化来配置所有必要的参数和环境。这包括加载类别标签、初始化颜色列表、设置页面和侧边栏的配置、加载模型等。这一步是为了准备好所有运行前的必要条件，确保系统在开始检测前已经处于最佳状态。
加载并配置模型
接下来，系统会根据用户在侧边栏选择的配置，通过 YOLOv8v5Detector 类来加载对应的YOLO模型。用户可以选择使用默认的模型文件或上传自定义的模型文件。系统还允许用户设置置信度阈值和IOU阈值，这些都会影响检测的精度和性能。
选择输入源
系统支持多种输入源，包括直接从摄像头捕获视频、上传图片文件或视频文件。这一步骤由用户在侧边栏进行选择，并通过process_camera_or_file 方法来处理用户的选择。
进行目标检测
对于视频流（包括摄像头输入或上传的视频文件），系统会持续捕捉每一帧，并通过 frame_process 方法进行处理。这包括图像的预处理、使用YOLO模型进行目标检测、后处理以及显示检测结果。
对于上传的图片文件，系统会将文件读取为图像，同样应用 frame_process 方法进行一次性的目标检测，并展示结果。
结果展示与日志记录
无论是实时视频流还是单个图片文件，每次检测完成后，系统都会展示检测结果，包括绘制包围盒、显示检测类别和置信度。同时，LogTable 类被用于记录每一次检测的详细信息，如检测对象、位置、置信度和检测用时等。
结果过滤和导出
用户可以通过选择特定的目标来过滤检测结果，系统通过 toggle_comboBox 方法来处理这一功能。此外，用户还可以通过点击导出按钮，将所有检测结果以及相关日志导出为CSV文件，以便于后续的分析和使用。
通过以上步骤，我们的系统能够高效且准确地识别出图片或视频中的多种类动物，满足用户在动物识别方面的需求。这一流程不仅展示了系统的强大功能，也体现了我们在系统设计上的精心考虑和优化。
代码下载链接
如果您希望获取博客中提及的完整资源包，包含测试图片、视频、Python文件(*.py)、网页配置文件、训练数据集、代码及界面设计等，可访问博主在面包多平台的上传内容。相关的博客和视频资料提供了所有必要文件的下载链接，以便一键运行。完整资源的预览如下图所示：
资源包中涵盖了你需要的训练测试数据集、训练测试代码、UI界面代码等完整资源，完整项目文件的下载链接可在下面的视频简介中找到➷➷➷
演示与介绍视频 ：https://www.bilibili.com/video/BV1ZA4m1c755/
YOLOv8/v7/v6/v5项目合集下载：https://mbd.pub/o/bread/mbd-ZZ2Xm5lq
YOLOv8和v5项目完整资源下载：https://mbd.pub/o/bread/mbd-ZZ2Xlplq
YOLOv7项目完整资源下载：https://mbd.pub/o/bread/mbd-ZZ2XmZxs
YOLOv6项目完整资源下载：https://mbd.pub/o/bread/mbd-ZZ2Xmpxw
完整安装运行教程：
这个项目的运行需要用到Anaconda和Pycharm两个软件，下载到资源代码后，您可以按照以下链接提供的详细安装教程操作即可运行成功，如仍有运行问题可私信博主解决：
Pycharm和Anaconda的安装教程：https://deepcode.blog.csdn.net/article/details/136639378；
软件安装好后需要为本项目新建Python环境、安装依赖库，并在Pycharm中设置环境，这几步采用下面的教程可选在线安装（pip install直接在线下载包）或离线依赖包（博主提供的离线包直接装）安装两种方式之一：
Python环境配置教程：https://deepcode.blog.csdn.net/article/details/136639396（2,3方法可选一种）；
离线依赖包的安装指南：https://deepcode.blog.csdn.net/article/details/136650641（2,3方法可选一种）；
如使用离线包方式安装，请下载离线依赖库，下载地址：https://pan.baidu.com/s/1uHbU9YzSqN0YP_dTHBgpFw?pwd=mt8u （提取码：mt8u）。
7. 结论与未来工作
本文通过深入研究并实践了基于YOLOv8/v7/v6/v5的深度学习模型在多种类动物识别领域的应用，成功开发了一个结合了这些先进算法的动物识别系统。通过对多个版本的YOLO模型进行细致的比较和优化，本研究不仅提升了动物识别的准确率和实时性，还通过Streamlit创建了一个直观、美观且易于使用的Web应用，使用户能够轻松地进行动物识别，从而在生态研究、生物多样性保护及教育等领域发挥重要作用。
经过一系列实验验证，本文所提出的方法在动物识别的准确性和处理速度上都达到了令人满意的水平。同时，我们还提供了完整的数据集处理流程、模型训练和预测的代码，以及基于Streamlit的系统设计和实现细节，为后续的研究者和开发者复现和参考提供了方便。尽管取得了一定的成果，但动物识别作为一个复杂多变的任务，仍然面临着许多挑战和改进空间。在未来的工作中，我们计划从以下几个方向进行探索：
模型优化：继续探索更深层次的网络结构和优化策略，如神经网络架构搜索（NAS）技术，以进一步提升模型的性能和效率。
多模态融合：考虑结合图像之外的其他模态信息，如声音（动物叫声）和环境信息，采用多模态学习方法进行动物识别，以更全面地理解动物的行为和环境背景。
跨域适应性：研究不同地理位置和不同生态系统中的动物识别，通过领域自适应技术提高模型在不同环境中的泛化能力。
用户交互体验：进一步优化系统的用户界面和交互设计，使其更加人性化、智能化，以满足更广泛用户的需求，特别是非专业用户的易用性。
实际应用拓展：探索动物识别在更多实际应用场景中的应用，如自动野生动物监测、生物多样性研究以及动物行为学等，以发挥其最大的社会和科学价值。
总之，多种类动物识别技术正处于快速发展之中，随着技术的不断进步和应用场景的不断拓展，我们相信在不久的将来，基于深度学习的多种类动物识别将在自然保护、生态研究、教育以及人与自然和谐共存的多个领域发挥更加重要的作用。
Liu C, Tao Y, Liang J, et al. Object detection based on YOLO network[C]//2018 IEEE 4th information technology and mechatronics engineering conference (ITOEC). IEEE, 2018: 799-803. ↩︎
Zhu X, Lyu S, Wang X, et al. TPH-YOLOv5: Improved YOLOv5 based on transformer prediction head for object detection on drone-captured scenarios[C]//Proceedings of the IEEE/CVF international conference on computer vision. 2021: 2778-2788. ↩︎
Sun Z, Chen B. Research on Pedestrian Detection and Recognition Based on Improved YOLOv6 Algorithm[C]//International Conference on Artificial Intelligence in China. Singapore: Springer Nature Singapore, 2022: 281-289. ↩︎
Zhao H, Zhang H, Zhao Y. Yolov7-sea: Object detection of maritime uav images based on improved yolov7[C]//Proceedings of the IEEE/CVF winter conference on applications of computer vision. 2023: 233-238. ↩︎
Aboah A, Wang B, Bagci U, et al. Real-time multi-class helmet violation detection using few-shot data sampling technique and yolov8[C]//Proceedings of the IEEE/CVF conference on computer vision and pattern recognition. 2023: 5349-5357. ↩︎
Zhou D, Kang B, Jin X, et al. Deepvit: Towards deeper vision transformer[J]. arXiv preprint arXiv:2103.11886, 2021. ↩︎