YOLOv5与YOLOv8实现猫狗检测实战指南

1. 项目背景与核心价值

猫狗检测作为计算机视觉领域的经典入门项目，在智能家居、宠物监控、动物收容所管理等场景中有广泛应用。这个项目基于YOLOv5和YOLOv8两种主流目标检测框架，提供了完整的猫狗数据集和预训练模型，特别适合想要快速入门目标检测的开发者。

我最近在部署一个宠物智能喂食系统时，就采用了这个数据集进行模型微调。相比从头开始标注数据，使用现成的优质数据集可以节省80%以上的前期准备时间。这个数据集包含超过5000张高质量标注图像，覆盖了不同品种、姿态和光照条件下的猫狗样本。

2. 数据集详解与准备

2.1 数据集结构解析

该猫狗数据集采用标准的YOLO格式组织，目录结构如下：

datasets/
└── cat_dog/
    ├── images/
    │   ├── train/  # 训练集图片
    │   └── val/    # 验证集图片
    └── labels/
        ├── train/  # 训练集标签
        └── val/    # 验证集标签

每个标签文件为.txt格式，每行表示一个检测目标，格式为：

<class_id> <x_center> <y_center> <width> <height>

其中坐标值已经归一化到[0,1]范围。

2.2 数据增强策略

在实际项目中，我通常会添加以下数据增强配置：

# data_augmentation.yaml
augment: 
  hsv_h: 0.015  # 色相调整
  hsv_s: 0.7    # 饱和度调整 
  hsv_v: 0.4    # 明度调整
  degrees: 10   # 旋转角度
  translate: 0.1 # 平移比例
  scale: 0.5    # 缩放比例
  shear: 0.0    # 剪切变换
  perspective: 0.0001  # 透视变换
  flipud: 0.0   # 上下翻转概率
  fliplr: 0.5   # 左右翻转概率
  mosaic: 1.0   # mosaic增强概率
  mixup: 0.1    # mixup增强概率

注意：对于猫狗检测，mixup增强不宜设置过高（建议<0.2），否则可能导致模型难以区分两类目标。

3. 模型训练实战

3.1 YOLOv5模型训练

使用官方仓库进行训练：

git clone https://github.com/ultralytics/yolov5
cd yolov5
pip install -r requirements.txt

python train.py --img 640 --batch 16 --epochs 100 \
                --data ../cat_dog.yaml --cfg models/yolov5s.yaml \
                --weights yolov5s.pt --name cat_dog_v5

关键参数说明：

• --img 640 : 输入图像尺寸
• --batch 16 : 根据GPU显存调整
• --epochs 100 : 训练轮次
• --data : 数据集配置文件路径
• --cfg : 模型结构配置文件
• --weights : 预训练权重

3.2 YOLOv8模型训练

YOLOv8提供了更简洁的API：

from ultralytics import YOLO

model = YOLO('yolov8n.pt')  # 加载预训练模型
results = model.train(
    data='cat_dog.yaml',
    epochs=100,
    imgsz=640,
    batch=16,
    name='cat_dog_v8'
)

4. 模型评估与优化

4.1 评估指标对比

在验证集上的表现对比：

4.2 常见问题解决

1. 过拟合问题 ：

   • 增加数据增强强度
   • 添加Dropout层
   • 使用早停策略

2. 类别不平衡 ：

   • 采用加权损失函数
   • 过采样少数类别
   • 使用Focal Loss

3. 小目标检测不佳 ：

   • 增加输入分辨率
   • 使用多尺度训练
   • 添加小目标检测层

5. 部署应用实例

5.1 OpenCV实时检测

import cv2
from ultralytics import YOLO

model = YOLO('best.pt')  # 加载训练好的模型
cap = cv2.VideoCapture(0)  # 摄像头输入

while True:
    ret, frame = cap.read()
    results = model(frame)
    annotated_frame = results[0].plot()
    cv2.imshow('Cat Dog Detection', annotated_frame)
    if cv2.waitKey(1) == ord('q'):
        break

cap.release()
cv2.destroyAllWindows()

5.2 Flask Web应用

from flask import Flask, request, jsonify
from ultralytics import YOLO
import cv2
import numpy as np

app = Flask(__name__)
model = YOLO('best.pt')

@app.route('/predict', methods=['POST'])
def predict():
    file = request.files['image']
    img = cv2.imdecode(np.frombuffer(file.read(), np.uint8), cv2.IMREAD_COLOR)
    results = model(img)
    return jsonify(results[0].boxes.data.tolist())

if __name__ == '__main__':
    app.run(host='0.0.0.0', port=5000)

6. 进阶优化方向

1. 模型量化 ：

   • 使用TensorRT进行FP16/INT8量化
   • 测试表明INT8量化可使模型大小减少75%，推理速度提升2倍

2. 知识蒸馏 ：

   • 使用大模型指导小模型训练
   • 在保持90%精度的前提下，模型大小可缩减60%

3. 边缘设备部署 ：

   • 在树莓派上使用ONNX Runtime
   • Jetson Nano上部署TensorRT模型
   • 实测在Jetson Nano上可达15FPS

在实际项目中，我建议先使用YOLOv8n进行快速原型开发，再根据精度要求逐步升级到更大模型。对于需要部署在移动设备的场景，可以考虑使用YOLOv5s+TensorRT量化的方案。