基于 YOLO 的动物目标检测代码

YOLO (You Only Look Once) 是一种流行的实时物体检测算法，它的特点是速度较快且准确性相对较高。在Python中使用YOLO进行动物目标检测通常涉及到以下几个步骤：

1. **安装依赖库**：首先你需要安装`pyyaml`, `numpy`, `OpenCV`等基础库，以及`Darknet`或其Python接口`yolov5`（如果用的是最新版本）。

!pip install opencv-python numpy pyyaml

如果你要使用`yolov5`，还需要安装这个库：

!pip install yolov5

2. **下载预训练模型**：从GitHub上下载预训练的YOLOv5模型权重文件，如`yolov5s.pt`、`yolov5m.pt`等，具体取决于你的需求和计算能力。

3. **加载模型**：

   import torch
   from yolov5.models.common import Detect
   from yolov5.utils.general import check_img_size

   model = torch.hub.load('ultralytics/yolov5', 'yolov5s')  # 加载模型，例如'yolov5s'、'yolov5l'

4. **设置输入图像大小**：

   imgsz = 640  # 图像大小，可以根据实际需求调整
   device = torch.device("cuda" if torch.cuda.is_available() else "cpu")  # 使用GPU加速
   model.to(device)

5. **读取和处理图片**：

   img = cv2.imread("animal.jpg")  # 替换为你的图片路径
   img = check_img_size(img, s=imgsz)  # 检查并调整到所需的大小
   img = img[:, :, ::-1].transpose(2, 0, 1)  # BGR转RGB，然后归一化
   img = torch.from_numpy(img).unsqueeze(0).to(device)

6. **执行预测**：

   results = model(img)

7. **解析结果**：

   boxes, labels, scores = results.xyxy[0], results.names, results.softmax[0]
   boxes = boxes.cpu().detach().numpy()
   labels = labels.cpu().numpy()
   scores = scores.cpu().detach().numpy()

8. **显示检测结果**：

   for i, c in enumerate(labels):
       box = boxes[i]
       label = f"{c} {scores[i]:.2f}"
       print(label)
       # 可视化代码，例如cv2.rectangle或model.show()