Yolov5算法界面 PyQt5 +.exe文件部署 yolo双击运行 yolo打包识别

介绍

Yolov5是一种基于深度学习的目标检测算法，PyQt5是一个Python编写的GUI框架，用于创建交互式界面。在部署和运行Yolov5模型时，结合PyQt5可以方便地创建一个用户友好的界面，并将代码打包为.exe文件以供其他人使用。

下面是一个简要的介绍，如何将Yolov5与PyQt5结合，并将代码打包为.exe文件进行部署和运行：

安装必要的软件和库：

安装Python：确保安装了Python解释器。 安装PyQt5：使用pip命令安装PyQt5库，例如pip install pyqt5。 安装yolov5：使用pip命令安装yolov5库，例如pip install yolov5。 安装pyinstaller：使用pip命令安装pyinstaller库，用于将Python代码打包为可执行文件，例如pip install pyinstaller。

创建PyQt5界面：

使用PyQt5创建一个用户界面，包括按钮、文本框等，用于用户输入和交互。
将Yolov5相关的代码嵌入到PyQt5界面中，例如加载模型、进行目标检测等

实现

• Yolov5训练个人数据集
• pt格式模型转换为onnx格式
• 使用openCV的dnn模块或onnxruntime实现检测
• 在Windows平台打包为可执行程序(Linux理论上也可以打包，但没试过)
• 打包后可移植(部署)到大多数Windows设备

展示

主界面

功能

1. 支持视频、图片、本地摄像头、网络视频流、屏幕
2. 实时帧数
3. 重定向控制台输出到软件界面上
4. 更改检测置信度、IOU阈值
5. 显示/关闭锚框、更改锚框宽度及颜色
6. 打印/隐藏检测结果
7. 录制检测视频
8. 保存实时截图、控制台记录
9. 自定义脚本，每次检测都将触发，(详细说明请阅读need/self_demo.py)

项目需求 (详见requirements.txt)

• python == 3.9
• numpy == 1.23.4
• opencv-python == 4.5.5.62
• PyQt5 == 5.15.7
• onnxruntime == 1.13.1
• nuitka == 0.6.18.4

###自定义 使用方法

快速入门

• clone项目到本地

• 安装依赖pip install -r requirements.txt

• 运行Yolo2onnxDetectProjectDemo.py

• 点击▶按钮开始检测，高阶玩法参考need/self_demo.py

训练自己的数据集并转换为此项目可用的模型

• 推荐用Yo转为onnx格式。本仓库的模型转换命令为python models/export.py --weights ./weights/yolov5s.pt --img 640 --batch 1

打包为可执行文件

• 所用库为nuitka，打包命令已经在build.py中配置好，如需更高级玩法请自己摸索
• 执行build.py，打包好的文件位于build_file/publish文件夹
  1. 此处需注意:真正打包好的文件在Yolo2onnxDetectProjectDemo.dist文件夹
  2. 为了方便debug和更新，在第一次打包成功后需要将此文件夹内所有的文件复制到publish文件夹
     3. 双击运行exe文件，

快速运行（可以直接看此处）

1. 打开压缩包，直接点击.exe文件
2. 设置onnx文件的索引路径

3. 设置输入的模式：图片/视频/摄像头
4. 然后点击运行按钮

5.最终效果

鸣谢 xun-xh作者！