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 == 3.9
- numpy == 1.23.4
- opencv-python == 4.5.5.62
- PyQt5 == 5.15.7
- onnxruntime == 1.13.1
- nuitka == 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
1.此处需注意:真正打包好的文件在Yolo2onnxDetectProjectDemo.dist文件夹
2.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！
