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支持视频、图片、本地摄像头、网络视频流、屏幕实时帧数重定向控制台输出到软件界面上更改检测置信度、IOU阈值显示/关闭锚框、更改锚框宽度及颜色打印/隐藏检测结果录制检测视频保存实时截图、控制台记录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 3.9numpy 1.23.4opencv-python 4.5.5.62PyQt5 5.15.7onnxruntime 1.13.1nuitka 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文件夹此处需注意:真正打包好的文件在Yolo2onnxDetectProjectDemo.dist文件夹为了方便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打开压缩包直接点击.exe文件设置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
