Ecosyste.ms: Awesome

An open API service indexing awesome lists of open source software.

https://github.com/xun-xh/yolov5-onnx-pyqt-exe

yolo模型使用cv2推理并使用qt5添加GUI后打包部署。pt模型转onnx模型；opencv.dnn完成推理；pyqt实现可视界面；打包为exe方便移植
https://github.com/xun-xh/yolov5-onnx-pyqt-exe

deep-learning gui machine-learning nuitka onnx pyqt yolov5

Last synced: 12 days ago
JSON representation

yolo模型使用cv2推理并使用qt5添加GUI后打包部署。pt模型转onnx模型；opencv.dnn完成推理；pyqt实现可视界面；打包为exe方便移植

Lists

README 

        
# 基于Yolov5 + onnx + PyQt5 + 的目标检测打包部署



---

[English](.github/README_en.md) | 简体中文



## \***如遇问题，请提issue**\*



---



* [实现](#实现)

* [展示](#展示)

  * [成品下载体验](#展示)

  * [主界面](#主界面)

  * [功能](#功能)

* [项目需求](#项目需求-详见requirementstxt)

* [使用方法](#使用方法)

  * [快速入门](#快速入门)

  * [训练自己的数据集并转换为此项目可用的模型](#训练自己的数据集并转换为此项目可用的模型)

  * [打包为可执行文件](#打包为可执行文件)



---



### 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



#### ***成品下载体验： (130MB)***



#### ***主界面***



> ![主界面](https://img-blog.csdnimg.cn/img_convert/0924c2117f8f5b570afd0a099638282d.jpeg)



#### ***功能***

>

> 1. 支持视频、图片、本地摄像头、网络视频流、屏幕

> 2. 实时帧数

> 3. 重定向控制台输出到软件界面上

> 4. 更改检测置信度、IOU阈值

> 5. 显示/关闭锚框、更改锚框宽度及颜色

> 6. 打印/隐藏检测结果

> 7. 录制检测视频

> 8. 保存实时截图、控制台记录

> 9. 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



---



### 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`

> * 如果不报错的话将会出现界面，**有报错又不知道怎么解决的话可以提issue，看到回复**

> * 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Yolov5 5.0版本，如果想兼容其他版本请自行修改代码，[Yolov5 5.0传送门](https://github.com/ultralytics/yolov5/tree/v5.0)

> * 训练教程：[目标检测---教你利用yolov5训练自己的目标检测模型](https://blog.csdn.net/jiaoty19/article/details/125614783)

> * 训练完成后按照[官方命令](https://github.com/ultralytics/yolov5/issues/251)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，根据报错信息将模块也复制到`publish`文件夹内，直到成功运行

> * 附nuitka的使用方法：[知乎@Python与模具](https://zhuanlan.zhihu.com/p/341099225)



---