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

# 基于Yolov5 + onnx + PyQt5 + 的目标检测打包部署 --- ## \***如遇问题，请提issue**\* \***欢迎star**\* --- ### 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 #### 主界面 >  #### **功能** > 1. 实时帧数 > 2. 重定向控制台输出到软件界面上 > 3. 更改检测置信度、IOU阈值 > 4. 显示/关闭锚框、更改锚框宽度及颜色 > 5. 打印/隐藏检测结果 > 6. 录制检测视频 > 7. 保存实时截图、控制台记录 > 8. 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： > - 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`启动检测`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) ---