【目标检测】YOLOv5|YOLOv8模型QT界面可视化部署

YOLO-Deploy-QT_Interface

最近笔者做了YOLO系列算法的部署工作，现做一个总结。主要工作是做了用于部署YOLOv5和YOLOv8的可视化QT界面，可实现图片、文件夹、视频、摄像头的ONNX与OpenVino部署，具体效果如下：

代码链接：https://github.com/Zency-Sun/YOLO-Deploy-QT_Interface

1.环境配置

本程序已经在Windows10和Ubuntu20.04系统上进行过验证，均可正常运行。
本程序使用Conda创建环境，依次按照下面的命令创建并激活环境：

conda create -n qtenv python=3.8
conda activate qtenv

激活环境之后，进入本项目文件夹，并为环境安装必要的包：

pip install -r requirements.txt

至此，环境配置已完成，将该环境作为项目的环境即可。

2.数据与模型准备

• 在使用软件之前，需要准备好需要检测的图片、文件夹、视频、摄像头等
• 下载本项目提供的YOLOv5、YOLOv8的ONNX、OpenVINO的模型文件（注意解压），放在项目文件夹下
• 注意：本项目提供的模型文件是YOLOv5/8的COCO预训练模型直接转换过来的，若需要自定义类别，需要更改为自己的模型，并修改deploy_yolov5.py和deploy_yolov8.py的12行和32行的类别

3.使用指南

• 打开并运行main.py
• 依次选择“模型类型”、“部署类型”、“文件类型”、“模型位置”、“文件位置”等选项，并设置参数
• 点击“保存配置”，再点击“开始运行”即可运行，在“输出日志”中可以看到程序运行状态
• “停止运行”可以停止程序运行，“退出”可以退出程序
• 程序运行结果存放在./results文件夹下

4.声明

• 如果代码对你有帮助，请点一个Star，有问题可以提Issues一起交流
• 使用代码请注明出处，拒绝白嫖、二手贩卖，一起发扬开源精神，盗版必究！