pyqt5 可视化界面 OpenCV dnn模块调用yolov4 weight和cfg 实现目标检测界面可视化（yolov4-pyqt）

已于 2023-11-07 14:12:52 修改
阅读量3.2k 收藏 9
点赞数 1
分类专栏： opencv yolov4 文章标签： pyqt pyqt5-yolov4 pyqt可视化界面 pyqt5 yolov4检测 yolo 检测界面
于 2022-02-25 09:09:29 首次发布
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/qq_34717531/article/details/123083372
版权
本文详细介绍了如何使用PyQt5设计用户界面，配合OpenCV的dnn模块加载和运行Yolov4模型进行目标检测，并将结果实时展示在界面上。涵盖了从界面设计到模型调用的全过程，适合深度学习和GUI编程爱好者学习。
摘要由CSDN通过智能技术生成

一、总述

目标检测界面可视化分为三个部分：PyQt5界面设计、OpenCV的dnn模块调用以及Yolov4模型的使用。（1）在PyQt5中创建用户界面，可以使用Qt Designer来设计界面，生成对应的.ui文件，然后使用pyuic将.ui文件转换成.py文件，再在Python代码中引入这些界面文件，并添加相应的逻辑和功能。（2）利用OpenCV的dnn模块加载Yolov4模型进行目标检测。你需要确保已经安装了OpenCV库，并且需要下载Yolov4的权重文件和配置文件。然后，你可以使用OpenCV的dnn模块来加载Yolov4模型，读取图像，进行目标检测，并在图像上绘制检测结果。（3）将这两部分结合起来，即在PyQt5的界面中添加控件用于显示图像，并在后台调用OpenCV的dnn模块进行目标检测。你需要编写代码来实现界面和后台的交互，例如在界面中添加按钮或菜单来触发图像的加载和目标检测操作，以及将检测结果显示在界面上。这个过程涉及到PyQt5的界面设计和事件处理，OpenCV的dnn模块的使用，以及Yolov4模型的加载和目标检测。

二、界面：

三、图片检测：

四、视频检测：

pyqt5-yolov4 可视化界面代码分享： pyqt5可视化界面OpenCVdnn模块调用yolov4实现目标检测界面可视化（yolov4-pyqt）-深度学习文档类资源-CSDN下载

学术菜鸟小晨
关注
专栏目录
Python Opencv任意形状目标检测并绘制框图
09-19
主要为大家详细介绍了Python Opencv任意形状目标检测，并绘制框图，具有一定的参考价值，感兴趣的小伙伴们可以参考一下
基于pyqt的YOLOv5目标训练和检测界面实现（含图片爬虫下载、数据集标注、数据一键配置、训练、图片、视频和摄像头实时检测）
yzf060109的专栏
12-03 1万+
近期学习目标检测很火的YOLOv5框架，将源码进行封装，并利用pyqt实现了训练+检测2个部分的界面功能。训练部分，从图片爬虫下载、数据标注、数据集配置到最后的训练；检测部分，从检测参数设置（支持实时设置置信度和IOU等）、数据选择（支持图片、视频和多种摄像头）到结果显示。全部实现界面开发和多线程调度处理。下面，重点从开发环境配置、目标的训练、目标的检测、程序发布4个方面进行分享，不对的地方关注、私聊，源码放在这里，大家可以下载。
PyQT显示Yolo处理结果——以Yolov8为例
最新发布
qq_27550775的博客
08-17 278
与上文相似，只是对pyside2中部分代码进行修改，适应PyQt6标准，详情可见白月黑羽教程。构建UI的函数不再赘述，和PyQt构建UI界面并调取摄像头一文中一致。startCamera和stop同上。
使用PyQt简单实现YOLOv5交互界面
weixin_46267823的博客
05-31 5376
使用PyQt5简单实现了基于YOLOv5的小狗嘴套佩戴检测系统的界面交互系统，文中给出一些实现步骤
吃肉原创001——使用PYQT设计的yolov8目标检测GUI界面
weixin_44298961的博客
08-17 1万+
使用yolov8编写的目标检测GUI界面
【学习经验分享NO.14】：Pyqt搭建YOLOv8/v7/v5界面(可凑大论的工作量)
m0_70388905的博客
12-02 8985
学习经验分享之十四：Pyqt搭建YOLOv5界面(可凑大论的工作量)
pyqt5 可视化界面 OpenCV dnn模块调用yolov4 实现目标检测界面可视化（yolov4-pyqt）
02-23
将yolov4检测推理模块潜入pyqt5可视化界面中。详细：... OpenCV dnn模块调用yolov4 weight和cfg，实现自选图片和自选视频的检测，并在界面中展示出来。
基于yolov5和pyqt的可视化目标检测支持摄像头、视频和图像检测
03-15
《基于yolov5和PyQT5的可视化目标检测系统：摄像头、视频和图像检测的全方位解析》 在计算机视觉领域，目标检测是一项至关重要的任务，它能够识别并定位图像中的特定对象。近年来，YOLO（You Only Look Once）系列...
YOLOv5烟雾检测+pyqt可视化界面 yolov5-6.0-smoke_detect-qt.zip
05-13
1、YOLOv5烟雾检测训练好的模型，可以直接使用，检测 的目标类别名称为smoke，并可以在可视化界面上直接运行，代码已集成好，直接运行就可展示可视化界面，可以通过界面上的 按钮选择图片进行烟雾检测，并且可以调用...
yolov8-pyqt5实现精美界面支持图片视频和摄像检测源码第四套.zip
05-12
yolov8-pyqt5实现精美界面支持图片视频和摄像检测源码第四套.zipyolov8-pyqt5实现精美界面支持图片视频和摄像检测源码第四套.zipyolov8-pyqt5实现精美界面支持图片视频和摄像检测源码第四套.zipyolov8-pyqt5实现精美...
基于yolov5-dnn及pyqt的可视化界面
11-14
《基于yolov5-dnn及pyqt的可视化界面构建详解》 在现代计算机视觉领域，深度学习模型的运用越来越广泛，特别是在目标检测任务中，YOLO（You Only Look Once）系列模型因其高效和准确而备受青睐。Yolov5是YOLO系列的...
Yolo系列可视化界面框架——Pyqt5
渗透测试
02-14 1万+
pyqt5目标检测系统GUI程序自写带接口
是否佩戴安全帽识别从零开始使用YOLOv5+PyQt5+OpenCV实现
qq_37553692的博客
04-29 5200
当人员未佩戴安全帽进入施工场所时，人为监管耗时耗力，而且不易实时监管，过程繁琐、消耗人力且实时性较差。针对上述问题，希望通过目标检测的方式智能、高效的完成此任务。
Python实现yolov4(tiny)（摄像头实现）
略知12的博客
04-06 2001
环境要求：基本的Pytorch及相关模块 模型文件：见https://blog.csdn.net/qq_37249793/article/details/115467880 代码： # -*- coding: utf-8 -*- """ Created on Sat Mar 13 10:24:50 2021 @author: S """ import numpy as np import cv2 import os import time def video_demo(): # 加载
吸烟检测从零开始使用YOLOv5+PyQt5+OpenCV实现(支持图片、视频、摄像头实时检测)
qq_37553692的博客
04-30 5156
通过对吸烟的自动检测可以方便商场、医院、疗养院等公共场合进行禁烟管控。吸烟检测从零开始使用YOLOv5+PyQt5+OpenCV实现。全流程教程，从数据采集到模型使用到最终展示。
Pyqt5+Opencv实现摄像头图像的实时读取并显示
热门推荐
Yibaomeimei的博客
05-10 1万+
QT+Opencv实现对摄像头图像的读取，并且在label上进行显示。
darknet训练yolov4模型
凉_白开的博客
07-22 2908
darknet训练yolov4模型 6.将darknet文件夹下的cfg文件夹下面的yolov4_custom.cfg文件拷贝到前面新建的cfg文件夹下并修改以下几个地方。修改所有的yolo层上面的filters=3*(classes+5),以及yolo层的classes种类数。5.删除图片问价夹里面的classes.txt,然后将标签文件全部移到labels文件夹里面。格式选择yolo格式，保存位置选择图片文件夹。这里用labelImg工具打标签。然后对所有的图片开始打标签。...............
在Opencv-DNN-YoloP代码中加入推理视频流代码python版本
weixin_46716951的博客
12-06 2499
原github链接：https://github.com/hpc203/YOLOP-opencv-dnn 源代码： import cv2 import argparse import numpy as np class yolop(): def __init__(self, confThreshold=0.25, nmsThreshold=0.5, objThreshold=0.45): with open('bdd100k.names', 'rt') as f:
Yolov4 cfg解读
程序猿的视界
01-21 1598
1、卷积层 [convolutional] batch_normalize=1 filters=32 size=3 stride=1 pad=1 activation=mish # Downsample [convolutional] batch_normalize=1 filters=64 size=3 stride=2 pad=1 activation=mish 2、Shortcut和Route层 shortcut在cfg中的内容都是一样的 [shortcut] from=-3 ac
pyqt5 yolov5
05-13
PyQt5和YOLOv5是两个不同的工具，PyQt5是一个Python的GUI框架，而YOLOv5是一个目标检测算法。 如果你想使用PyQt5来创建一个GUI界面，然后将YOLOv5算法应用于该界面中的图像，那么可以考虑使用OpenCV库来读取和处理图像，并使用YOLOv5算法进行目标检测，然后将结果在PyQt5界面上显示。具体实现可以参考以下步骤： 1. 安装PyQt5和OpenCV库 2. 下载YOLOv5的代码和模型文件，将其放置在您的工作目录中 3. 创建一个PyQt5的GUI界面，包括一个图像显示控件和一个按钮 4. 使用OpenCV库读取图像，将其传递给YOLOv5算法进行目标检测 5. 将检测结果在PyQt5界面上显示 以下是一个简单的示例代码，可以供您参考： ```python import sys import cv2 import numpy as np from PyQt5.QtWidgets import QApplication, QMainWindow, QLabel, QPushButton from PyQt5.QtGui import QImage, QPixmap class MainWindow(QMainWindow): def __init__(self): super().__init__() # 创建一个按钮 self.button = QPushButton('Detect', self) self.button.move(10, 10) self.button.clicked.connect(self.detect) # 创建一个图像显示控件 self.label = QLabel(self) self.label.setGeometry(10, 50, 640, 480) self.label.setScaledContents(True) # 加载YOLOv5模型 self.net = cv2.dnn.readNet('yolov5.weights', 'yolov5.cfg') def detect(self): # 读取图像 image = cv2.imread('image.jpg') # 运行YOLOv5算法进行目标检测 blob = cv2.dnn.blobFromImage(image, 1/255.0, (416, 416), swapRB=True, crop=False) self.net.setInput(blob) outputs = self.net.forward() # 处理检测结果 for output in outputs: for detection in output: scores = detection[5:] classId = np.argmax(scores) confidence = scores[classId] if confidence > 0.5: x, y, w, h = detection[:4] * np.array([image.shape[1], image.shape[0], image.shape[1], image.shape[0]]) x = int(x - w/2) y = int(y - h/2) w = int(w) h = int(h) cv2.rectangle(image, (x, y), (x+w, y+h), (0, 255, 0), 2) # 显示图像 image = cv2.cvtColor(image, cv2.COLOR_BGR2RGB) qimage = QImage(image.data, image.shape[1], image.shape[0], QImage.Format_RGB888) pixmap = QPixmap(qimage) self.label.setPixmap(pixmap) if __name__ == '__main__': app = QApplication(sys.argv) window = MainWindow() window.show() sys.exit(app.exec_()) ``` 注意，上述代码仅作为参考，实际应用中需要考虑更多的情况和细节。
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
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

学术菜鸟小晨

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

实付元
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