[六] 【开源】基于PyQt的图像算法开发软件——基于YOLOv5的目标检测[可交互的调整模型参数]

系列文章

• [一] 【开源】基于PyQt的图像算法开发软件——如何让你开发效率翻倍
• [二] 【开源】基于PyQt的图像算法开发软件——输入来源[如何导入视频进行目标检测]
• [三] 【开源】基于PyQt的图像算法开发软件——步骤列表[低代码实现图像算法开发]
• [四] 基于PyQt的图像算法开发软件——算法库[如何导入去雾算法并调参完成去雾]
• [五] 【开源】基于PyQt的图像算法开发软件——已执行区和缓存区[图像工作者的“PS“工具]
• [六] 【开源】基于PyQt的图像算法开发软件——基于YOLOv5的目标检测[可交互的调整模型参数]
• [七]【开源】基于PyQt的图像算法开发软件——手动图像配准[通过可交互的四个点构建仿射矩阵]

       项目已经整理部分放到github上可以运行，链接 https://github.com/yejiongkai/IIP.git，有问题欢迎交流。

       不想在github上下载的，我也上传了压缩包到cdsn里，免费下载。

一、引言

       如今的图像处理和深度学习密切联系，目标检测就是其中之一。在学习完图像处理之后，我开始接触目标检测任务，其中YOLO系列的代码可读性强，容易上手，那时候最新的YOLO模型是YOLOv5，我就以它为基础开始做数据集，训练，推理。刚开始跑跑代码还好，后面每次我想将模型对几张图片进行推理，就要修改图像路径，设置模型的一些后处理参数，结果不理想，又要重新调整模型的参数，再次运行。然后我就想着也把YOLOv5的部分参数也做成可交互的设计，可以实时查看调参参数后的结果。

二、基于YOLOv5的目标检测

       通过把YOLOv5的源码放到软件中，并对其中部分参数引出可以交互的接口，就可以在软件中对模型进行调整。目前支持的功能：

• 是否对已经检测出的某个类别绘制矩形框
• 设置准确率阈值和IOU阈值
• 支持将检测后的结果保存为VOC格式数据集

2.1 使用方式

        导入支持的模型文件

       加载完成后弹出交互界面，可以对界面里面的类别进行勾选表示是否对该类别绘制矩形框，下方的两个滑块可以调整模型的准确率阈值和IOU阈值，最下方的保存可以将当前图像中识别出的矩形框和类别保存为VOC格式数据集。

       效果展示

2.2 视频演示(如何快速调整模型参数并显示效果)

目标检测