​
带标注的带标注的牵不牵狗绳的数据集，识别率95.3%，13203张图，支持yolo，coco json，voc xml,文末有模型训练代码

模型训练指标参数：

模型训练图：

数据集拆分

总图数：13203 张图数
训练集

11219 张图

验证集

1428 张图

测试集

556 张图

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：

[‘Dog’, ‘Unleashed_Dog’, ‘Leashed_Dog’]

标签解释
Dog — 狗狗 / 犬只
Unleashed_Dog — 无牵引犬、散养犬（未拴绳狗）
Leashed_Dog — 牵引犬、拴绳犬

数据集图片和标注信息示例：

数据集下载：

yoo26:https://download.csdn.net/download/pbymw8iwm/92825221
yolo v12: https://download.csdn.net/download/pbymw8iwm/92825176
yolov11:https://download.csdn.net/download/pbymw8iwm/92825204
yolov9:https://download.csdn.net/download/pbymw8iwm/92825244
yolo v8（同yolov9）:https://download.csdn.net/download/pbymw8iwm/92825244
yolo v7：https://download.csdn.net/download/pbymw8iwm/92825213
coco json：https://download.csdn.net/download/pbymw8iwm/92825240
voc xml：https://download.csdn.net/download/pbymw8iwm/92825227

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

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()