基于Yolov5 + onnx + PyQt5 + 的目标检测打包部署
English | 简体中文
*如遇问题，请提issue*
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：https://download.kstore.space/download/3190/plugin/publish.zip (130MB)
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
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
- 训练教程：目标检测---教你利用yolov5训练自己的目标检测模型
- 训练完成后按照官方命令转为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- 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