基于 yolov5n6 和tkinker实现的检测模型的可视化界面

项目介绍

本项目基于 yolov5n6 和tkinker实现的检测模型的可视化界面

环境：

硬件： 本人电脑的显卡是 RTX 3060 ，并配置Pytorch-GPU

关于 pytorch 安装查看官方文档 PyTorch Get Started docs

在这里插入图片描述

软件: Pycharm 和相关的Python包

# GUI
Tkinter
# OpenCV
opencv-contrib-python>=4.6.0.66
# PyTorch + GPU CUDA
torch==1.11.0+cu115 torchvision==0.12.0+cu115 torchaudio==0.11.0 -f https://download.pytorch.org/whl/torch_stable.html

项目安装依赖

pip install -r requirements.txt  # install

整个项目的 模型下载TensorRT, TensorFlow Edge TPU and OpenVINO Export and Inference:

weights -|- yolov5n6.pt
         |- yolov5m6.pt

项目功能

1. 实现图像正常目标检测
2. 实现视频正常目标检测
3. 实现摄像头正常目标检测
4. 实现对目标检测的画面和视频进行保存

项目演示

项目运行：

配置好相关环境和依赖，可以执行main.py

python main.py

在这里插入图片描述

在这里插入图片描述

点击yolov5，添加yolov5m6.pt模型，点击模型加载

在编辑中添加图片或者视频

在这里插入图片描述

图片检测检测结果；

如果在检测前，点击了图片保存

那么图像检测的结果在output文件夹中进行保存

同样，可以上传视频进行检测，如果想保存视频需要在上传前，点击保存按钮

如果遇到，图片视频上传检测不了，请麻烦将中文路径进行去除

点击摄像头，将对电脑的摄像头进行目标检测

如何自定义检测

在 weights文件夹中添加自定义检测训练的pt模型。 模型需要通过 yolov5n6.pt等进行预训练

在detect.py 中的 set_modul函数更换模型和数据训练的yaml配置文件

项目下载： 搜索 项目资源下载 微信小程序