YOLOv8-PySide6-GUI 安装及使用指南

YOLOv8-PySide6-GUI 安装及使用指南

YOLOv8-PySide6-GUIYoloSide - YOLOv8 GUI By PySide6项目地址:https://gitcode.com/gh_mirrors/yo/YOLOv8-PySide6-GUI

1. 项目目录结构及介绍

该项目的目录结构如下:

YOLOv8-PySide6-GUI/
├── main.py            # 主程序文件,包含了GUI的应用逻辑
├── config/            # 配置文件夹
│   └── config.ini      # 应用的配置信息
├── img/               # 图像资源文件夹
├── models/            # 模型文件夹,存放训练好的YOLOv8模型
├── ui/                # 用户界面定义文件夹
│   ├── home.ui         # 主窗口的设计文件
└── utils/              # 工具函数文件夹
    └── ...             # 各种辅助功能的Python脚本
├── LICENSE            # 开源许可证文件
└── README.md          # 项目说明文件

config.ini是应用的配置文件,用于存储应用的设置和参数;main.py是项目的核心代码,它负责创建并控制GUI界面;models/目录放置了训练好的YOLOv8模型;ui/包含了用户界面的设计,通过Qt Designer创建的.ui文件。

2. 项目启动文件介绍

main.py是项目的入口点,它初始化PySide6框架,加载用户界面,并实现与GUI元素交互的功能。主要任务包括:

  • 加载用户界面(如ui/home.py
  • 初始化模型
  • 处理按钮事件,例如添加目录、转换模型、启动实时检测等
  • 实现视频流或摄像头的捕获和处理

在安装完成后,通过运行main.py来启动应用程序。

3. 项目的配置文件介绍

config.ini是项目的配置文件,它通常包含以下部分:

[General]
# 应用的一般设置
model_path = models/yolov8.pt
video_input = 
camera_id = 0
save_results = false
result_dir = run/

[NMS]
# 非极大值抑制(Non-Maximum Suppression)参数
nms_threshold = 0.45
iou_threshold = 0.5

[Hardware]
# 硬件监控相关设置
show_cpu = true
show_gpu = true
  • [General] 部分配置模型路径、视频输入源、默认摄像头ID以及是否保存结果及其路径。
  • [NMS] 部分涉及非极大值抑制的阈值,影响目标检测的结果。
  • [Hardware] 部分决定是否显示CPU和GPU的使用情况。

要修改这些设置,可以通过文本编辑器打开config.ini文件并更新相应的值,然后重新启动程序以应用新的配置。

注意:在使用自定义模型时,确保模型文件名与config.ini中的model_path匹配,并将训练好的.pt文件放到models/目录下。同时,项目依赖于Ultralytics库,如果需要商业用途,可能需要购买其授权。对于RTSP支持和其他功能,可直接查看main.py进行相应调整。

YOLOv8-PySide6-GUIYoloSide - YOLOv8 GUI By PySide6项目地址:https://gitcode.com/gh_mirrors/yo/YOLOv8-PySide6-GUI

基于YOLOv8+pyqt5实现的过马路玩手机打电话检测告警系统源码(GUI界面+数据集+模型+评估曲线+部署说明) 检测斑马线、玩手机、打电话、行人、车辆、其他。简易的GUI界面,含有训练好的模型、评估指标曲线、数据集、详细部署操作文档,有问题可以私信留言。 以下内容为项目部署详细过程和说明 1、项目代码分为两部分 main_gui_code和ultralytics,其中main_gui_code代码包含GUI界面代码+训练好的模型+YOLOv8推理逻辑融合GUI的代码,也就是说这部分可以打开GUI界面,加载模型和图片、视频、视频流 进行测试。ultralytics则为YOLOv8源代码,可用来训练各种模型,当然也可以用来测试,输出结果,只不过不带GUI界面。故我们使用ultralytics来训练模型,然后拷贝模型到main_gui_code中, 进行GUI界面测试。 2、搭建环境 安装anaconda 和 pycharm windows系统、mac系统、Linux系统都适配 在anaconda中新建一个新的envs虚拟空间(可以参考博客来),命令窗口执行:conda create -n YOLOv8-GUI python==3.8 创建完YOLOv8-GUI虚拟空间后,命令窗口执行:source activate YOLOv8-GUI 激活虚拟空间 然后就在YOLOv8-GUI虚拟空间内安装requirements.txt中的所有安装包,命令窗口执行:pip install -r requirements.txt 使用清华源安装更快 3、打开GUI推理测试 当以上步骤顺利完成后,环境已经搭建完毕,下面我们尝试打开GUI界面进行测试 pycharm中打开整个项目,导入配置anaconda安装YOLOv8-GUI虚拟环境(参考博客) 运行main_jiemian.py即可成功打开界面,模型文件放在main_gui_code/models/文件夹,后缀为.pt。可以存放多个模型,可通过界面来选择要使用的模型 点击选择模型按钮选择pt模型,然后点击选择路径按钮,选择待测图片或者视频,最后点击开始检测按钮,开始推理测试并显示画框及得分值 4、训练模型过程 进入到\ultralytics\ultralytics\yolo\v8\detect\文件夹下,datasets即为我们准备好的数据集,训练其他模型同理。 data文件夹下的cross_line.yaml文件为数据集配置文件,博文有介绍https://blog.csdn.net/DeepLearning_?spm=1011.2415.3001.5343 train.py中208行,修改为的data = cfg.data or './cross_line.yaml' # or yolo.ClassificationDataset("mnist") 207行修改自己使用的预训练模型 若自己有显卡,修改211行,如我有四张显卡,即改成args = dict(model=model, data=data, device=”0,1,2,3“) 以上配置完成后运行train.py开始训练模型,训练完毕后会在runs/detect/文件夹下生成train*文件夹,里面包含模型和评估指标等 5、无GUI推理测试 训练好模型,打开predict.py,修改87行,model = cfg.model or 'yolov8n.pt',把yolov8n.pt换成我们刚才训练完生成的模型路径,待测试的图片或者视频存放于ultralytics\ultralytics\assets文件夹, 运行predict.py即可,检测结果会在runs/detect/train文件夹下生成。 【资源说明】 1、该资源内项目代码都是经过测试运行成功,功能ok的情况下才上传的,请放心下载使用! 2、本项目适合计算机相关专业(如计科、人工智能、通信工程、自动化、电子信息等)的在校学生、老师或者企业员工下载使用,也适合小白学习进阶,当然也可作为毕设项目、课程设计、作业、项目初期立项演示等。 3、如果基础还行,也可在此代码基础上进行修改,以实现其他功能。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

花椒菡Drucilla

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值