---
title: Wild_Animals_Detection
canonical_url: "https://www.modelscope.cn/models/IoT-Edge/Wild_Animals_Detection"
md_url: "https://www.modelscope.cn/models/IoT-Edge/Wild_Animals_Detection.md"
repository: IoT-Edge/Wild_Animals_Detection
chinese_name: "野生动物检测"
last_updated: 2023-06-29
license: "Apache License 2.0"
pipeline_tag: image-object-detection
tasks:
  - image-object-detection
model_type:
  - detection
library_name:
  - onnx
  - pytorch
frameworks:
  - Pytorch
domain:
  - cv
downloads: 11762
stars: 8
tags:
  - Alibaba
  - IoT
---

# Wild_Animals_Detection

> Wild_Animals_Detection - IoT-Edge 在 ModelScope 开源的模型。野生动物检测

IoT-Edge/Wild_Animals_Detection 是 ModelScope 魔搭社区上的image-object-detection模型，采用 Apache License 2.0 许可。

- **Repository**: IoT-Edge/Wild_Animals_Detection
- **License**: Apache License 2.0
- **Tasks**: image-object-detection
- **Tags**: Alibaba, IoT
- **Downloads**: 11762
- **Stars**: 8
- **Last updated**: 2023-06-29

Source: https://www.modelscope.cn/models/IoT-Edge/Wild_Animals_Detection

---

# 野生动物检测模型
输入一张图像，对其进行野生动物检测（共支持24类），输出图片中所有野生动物的检测框、置信度和标签。

## 模型描述
输入一张图像，对其进行野生动物检测（共支持24类），输出图片中所有野生动物的检测框、置信度和标签。

## 使用方式和范围
使用方式：
- 输入任意图像，返回图像中所有的野生动物的框坐标、置信度和标签。

目标场景:
1. 野外环境
2. 动物驯养基地
3. 自然保护区
4. 城市动物园

支持的野生动物（共24类）：
1. 羚牛: antelope
2. 豹猫: leopard cat
3. 野猪: wild boar
4. 小野猪: piglet
5. 斑羚: gazelle
6. 川金丝猴: Sichuan golden monkey
7. 大毛冠鹿: tufted deer
8. 小麂: muntjac deer
9. 大熊猫: giant panda
10. 果子狸: masked palm civet
11. 红腹锦鸡: red-bellied pheasant
12. 红腹角雉: red-bellied tragopan
13. 黄喉貂: yellow-throated marten
14. 黄鼬: yellow weasel
15. 豪猪: hedgehog
16. 藏酋猴: Tibetan macaque
17. 猪獾: badger
18. 鬣羚: Tibetan antelope
19. 林麝: musk deer
20. 小毛冠鹿: Reeve’s muntjac deer
21. 亚洲金猫: Asian golden cat
22. 血雉: blood pheasant
23. 亚洲黑熊: Asian black bear
24. 勺鸡: spoon-billed sandpiper

### 如何使用
在ModelScope框架上，提供输入图片，即可以通过简单的Pipeline调用来完成野生动物检测任务。

#### 推理代码范例
```python
# numpy >= 1.20
from modelscope.pipelines import pipeline

wild_detection = pipeline('image-object-detection', 'IoT-Edge/Wild_Animals_Detection', model_revision='v1.0.0')
output = wild_detection('./panda.jpg')

# the output contains boxes, scores and labels
print(output)
```
#### Clone with HTTP
```bash
 git clone https://www.modelscope.cn/IoT-Edge/Wild_Animals_Detection.git
```