国产 无码 综合区,色欲AV无码国产永久播放,无码天堂亚洲国产AV,国产日韩欧美女同一区二区

YOLOv5可視化界面

這篇具有很好參考價(jià)值的文章主要介紹了YOLOv5可視化界面。希望對大家有所幫助。如果存在錯(cuò)誤或未考慮完全的地方,請大家不吝賜教,您也可以點(diǎn)擊"舉報(bào)違法"按鈕提交疑問。

Pyside6可視化界面

安裝Pyside6

激活之前的虛擬環(huán)境yolov5

在該環(huán)境的終端輸入以下命令

YOLOv5可視化界面,筆記,人工智能,YOLO,人工智能,python,深度學(xué)習(xí)

pip install -i https://pypi.tuna.tsinghua.edu.cn/simple pyside6

YOLOv5可視化界面,筆記,人工智能,YOLO,人工智能,python,深度學(xué)習(xí)

輸入where python找到當(dāng)前使用的Python的路徑

YOLOv5可視化界面,筆記,人工智能,YOLO,人工智能,python,深度學(xué)習(xí)

找到該路徑下的designer.exe文件(/Lib/site-packages/PySide6/designer.exe),然后發(fā)送到桌面創(chuàng)建快捷方式

YOLOv5可視化界面,筆記,人工智能,YOLO,人工智能,python,深度學(xué)習(xí)

UI設(shè)計(jì)

  1. 打開designer
  2. 選擇Main Window

YOLOv5可視化界面,筆記,人工智能,YOLO,人工智能,python,深度學(xué)習(xí)

  1. 移除菜單欄

YOLOv5可視化界面,筆記,人工智能,YOLO,人工智能,python,深度學(xué)習(xí)

  1. 拖兩個(gè)label個(gè)一個(gè)line進(jìn)來

YOLOv5可視化界面,筆記,人工智能,YOLO,人工智能,python,深度學(xué)習(xí)

  1. 拖兩個(gè)button進(jìn)入,并進(jìn)行命名

YOLOv5可視化界面,筆記,人工智能,YOLO,人工智能,python,深度學(xué)習(xí)

  1. 調(diào)整界面,填寫兩個(gè)label里面文件,將界面調(diào)小一些

YOLOv5可視化界面,筆記,人工智能,YOLO,人工智能,python,深度學(xué)習(xí)

  1. 居中對齊,同時(shí)勾選scaledContents

YOLOv5可視化界面,筆記,人工智能,YOLO,人工智能,python,深度學(xué)習(xí)

  1. 元素名稱更改

YOLOv5可視化界面,筆記,人工智能,YOLO,人工智能,python,深度學(xué)習(xí)

  1. Ctrl+S保存,保存到上一部分訓(xùn)練數(shù)據(jù)集的文件內(nèi)

YOLOv5可視化界面,筆記,人工智能,YOLO,人工智能,python,深度學(xué)習(xí)

設(shè)置Pyside6-uic 工具

  1. 在當(dāng)前虛擬環(huán)境的Python路徑下,打開Scripts文件夾夾,找到pyside6-uic.exe,記住當(dāng)前路徑

YOLOv5可視化界面,筆記,人工智能,YOLO,人工智能,python,深度學(xué)習(xí)

  1. 創(chuàng)建工具

YOLOv5可視化界面,筆記,人工智能,YOLO,人工智能,python,深度學(xué)習(xí)

名稱:PyUic(可自己定義)
程序:E:\kaifa\Anaconda3\envs\yolov5\Scripts\pyside6-uic.exe
實(shí)參:$FileName$ -o $FileNameWithoutExtension$.py
工作目錄: $FileDir$
  1. 使用該工具

先在pycharm中打開剛才生成的ui文件

雙擊打不開的話,把文件拖到右邊就可以打開了

YOLOv5可視化界面,筆記,人工智能,YOLO,人工智能,python,深度學(xué)習(xí)

然后在【工具】選項(xiàng)卡下的【external tools】下,點(diǎn)擊【PyUic】(這個(gè)名稱是你剛才自己設(shè)計(jì)的)

YOLOv5可視化界面,筆記,人工智能,YOLO,人工智能,python,深度學(xué)習(xí)

如果生成了相同文件名的.py文件,即說明設(shè)置成功

YOLOv5可視化界面,筆記,人工智能,YOLO,人工智能,python,深度學(xué)習(xí)

編寫運(yùn)行程序

創(chuàng)建模板文件base_ui.py

import sys
import torch
from PySide6.QtGui import QPixmap, QImage
from PySide6.QtWidgets import QMainWindow, QApplication, QFileDialog

from main_window import Ui_MainWindow #main_windows是剛才生成的ui對用的Python文件名

def convert2QImage(img):
    height, width, channel = img.shape
    return QImage(img, width, height, width * channel, QImage.Format_RGB888)

class MainWindow(QMainWindow, Ui_MainWindow):
    def __init__(self):
        super(MainWindow, self).__init__()
        self.setupUi(self)

if __name__ == "__main__":
    app = QApplication(sys.argv)

    window = MainWindow()
    window.show()

    app.exec()

編譯運(yùn)行,彈出窗口說明成功

編寫內(nèi)部具體功能的代碼

講解視頻:YOLOv5 Pyside6可視化界面

import sys
import cv2
import torch
from PySide6.QtGui import QPixmap, QImage
from PySide6.QtWidgets import QMainWindow, QApplication, QFileDialog
from PySide6.QtCore import QTimer

from main_window import Ui_MainWindow  # main_windows是剛才生成的ui對用的Python文件名


def convert2QImage(img):
    height, width, channel = img.shape
    return QImage(img, width, height, width * channel, QImage.Format_RGB888)


class MainWindow(QMainWindow, Ui_MainWindow):
    def __init__(self):
        super(MainWindow, self).__init__()
        self.setupUi(self)
        self.model = torch.hub.load("./", "custom", path="runs/train/exp/weights/best.pt", source="local")
        self.video = None
        self.timer = QTimer()
        self.timer.setInterval(1)
        self.bind_slots()  # 綁定槽函數(shù)

    def image_pred(self, file_path): # 圖片檢測
        results = self.model(file_path) 
        image = results.render()[0]
        return convert2QImage(image)

    def open_image(self): # 打開圖片
        print("點(diǎn)擊了檢測圖片按鈕")
        self.timer.stop()  # 停止視頻檢測
        file_path = QFileDialog.getOpenFileName(self, dir="./data02/images/train", filter="*.jpg;*.png;*.jpeg")
        if file_path[0]:
            file_path = file_path[0]
            qimage = self.image_pred(file_path)
            self.input.setPixmap(QPixmap(file_path))
            self.output.setPixmap(QPixmap.fromImage(qimage))

    def video_pred(self):  # 視頻檢測
        ret, frame = self.video.read()
        if not ret:
            self.timer.stop()
        else:
            frame = cv2.cvtColor(frame, cv2.COLOR_BGR2RGB)
            self.input.setPixmap(QPixmap.fromImage(convert2QImage(frame)))
            results = self.model(frame)
            image = results.render()[0]
            self.output.setPixmap(QPixmap.fromImage(convert2QImage(image)))

    def open_video(self):  # 打開視頻
        print("點(diǎn)擊了檢測視頻!")
        file_path = QFileDialog.getOpenFileName(self, dir="./data02", filter="*.mp4")
        if file_path[0]:
            file_path = file_path[0]
            self.video = cv2.VideoCapture(file_path)
            self.timer.start()

    def bind_slots(self):  # 綁定槽函數(shù)
        self.det_image.clicked.connect(self.open_image)
        self.det_video.clicked.connect(self.open_video)
        self.timer.timeout.connect(self.video_pred)


if __name__ == "__main__":
    app = QApplication(sys.argv)

    window = MainWindow()
    window.show()

    app.exec()

Gradio搭建Web GUI

安裝Gradio

激活之前的虛擬環(huán)境yolov5

在該環(huán)境的終端輸入以下命令

pip install -i https://pypi.tuna.tsinghua.edu.cn/simple gradio

實(shí)現(xiàn)

新建gradio_demo.py文件

輸入圖片、輸出圖片、預(yù)測函數(shù)

Gradio不支持實(shí)時(shí)檢測

import torch
import gradio as gr

model = torch.hub.load("./", "custom", path="runs/train/exp/weights/best.pt", source="local")

title = "基于Gradio的YOLOv5演示項(xiàng)目"

desc = "這是一個(gè)基于Gradio的YOLOv5演示項(xiàng)目,非常簡潔,非常方便!"

base_conf, base_iou = 0.25, 0.45


def det_image(img, conf_thres, iou_thres):
    model.conf = conf_thres
    model.iou = iou_thres
    return model(img).render()[0]


gr.Interface(
    inputs=["image", gr.Slider(minimum=0, maximum=1, value=base_conf), gr.Slider(minimum=0, maximum=1, value=base_iou)],
    outputs=["image"],
    fn=det_image,
    title=title,
    description=desc,
    live=True,
    examples=[["./data02/images/train/30.jpg", base_conf, base_iou],
              ["./data02/images/train/60.jpg", 0.3, base_iou]]
).launch(share=True)

如果想發(fā)布到網(wǎng)上,設(shè)置share=True參數(shù),但是運(yùn)行的時(shí)候會(huì)因?yàn)榫W(wǎng)絡(luò)原因,報(bào)出下面的錯(cuò)誤,可以通過提示的網(wǎng)址下載對應(yīng)文件,重命名后放到相應(yīng)的目錄下,重新運(yùn)行

YOLOv5可視化界面,筆記,人工智能,YOLO,人工智能,python,深度學(xué)習(xí)文章來源地址http://www.zghlxwxcb.cn/news/detail-645810.html

到了這里,關(guān)于YOLOv5可視化界面的文章就介紹完了。如果您還想了解更多內(nèi)容,請?jiān)谟疑辖撬阉鱐OY模板網(wǎng)以前的文章或繼續(xù)瀏覽下面的相關(guān)文章,希望大家以后多多支持TOY模板網(wǎng)!

本文來自互聯(lián)網(wǎng)用戶投稿,該文觀點(diǎn)僅代表作者本人,不代表本站立場。本站僅提供信息存儲(chǔ)空間服務(wù),不擁有所有權(quán),不承擔(dān)相關(guān)法律責(zé)任。如若轉(zhuǎn)載,請注明出處: 如若內(nèi)容造成侵權(quán)/違法違規(guī)/事實(shí)不符,請點(diǎn)擊違法舉報(bào)進(jìn)行投訴反饋,一經(jīng)查實(shí),立即刪除!

領(lǐng)支付寶紅包贊助服務(wù)器費(fèi)用

相關(guān)文章

  • YOLOv5 使用tensorboard查看可視化訓(xùn)練結(jié)果

    YOLOv5 使用tensorboard查看可視化訓(xùn)練結(jié)果

    1.1.找的models/yolo.py文件中,將最下面有關(guān) Tensorboard 的注釋打開 2.進(jìn)入項(xiàng)目根目錄 比如你訓(xùn)練的是第20個(gè)版本,那么 tensorboard --logdir=./runs/train/exp20 就可以查看當(dāng)前訓(xùn)練的可視化結(jié)果了 3.通過瀏覽器查看可視化訓(xùn)練結(jié)果

    2024年02月16日
    瀏覽(24)
  • YoloV8 +可視化界面+GUI+交互式界面目標(biāo)檢測與跟蹤

    YoloV8 +可視化界面+GUI+交互式界面目標(biāo)檢測與跟蹤

    本項(xiàng)目旨在基于 YoloV8 目標(biāo)檢測算法開發(fā)一個(gè)直觀的可視化界面,使用戶能夠輕松上傳圖像或視頻,并對其進(jìn)行目標(biāo)檢測。 通過圖形用戶界面,用戶可以方便地調(diào)整檢測參數(shù)、查看檢測結(jié)果,并將結(jié)果保存或?qū)С觥M瑫r(shí),該界面還將提供實(shí)時(shí)目標(biāo)檢測功能,讓用戶能夠在視頻

    2024年02月20日
    瀏覽(20)
  • yolov5熱力圖可視化grad-cam踩坑經(jīng)驗(yàn)分享

    yolov5熱力圖可視化grad-cam踩坑經(jīng)驗(yàn)分享

    最近在做熱力圖的可視化,網(wǎng)上搜了很多的資料,但是大部分都是需要在原網(wǎng)絡(luò)結(jié)構(gòu)上進(jìn)行修改,非常的不方便。最后在網(wǎng)上找到一位博主分享的即插即用的模塊,覺得效果還可以,但是中間有些細(xì)節(jié),需要注意。 原博文地址: https://blog.csdn.net/qq_37706472/article/details/12871460

    2024年02月04日
    瀏覽(108)
  • 卷積神經(jīng)網(wǎng)絡(luò)中的圖像特征——以YOLOv5為例進(jìn)行可視化

    卷積神經(jīng)網(wǎng)絡(luò)中的圖像特征——以YOLOv5為例進(jìn)行可視化

    一、圖像特征 1. 圖像低層特征 圖像低層特征指的是:邊緣、顏色和紋理等特征。 低層特征的分辨率較高,包含較多的位置、細(xì)節(jié)信息,但其包含的語義信息較少,噪聲較多。 原始圖像和淺層卷積網(wǎng)絡(luò)輸出的特征圖屬于低層特征,從低層特征圖中可以看清輪廓、邊緣等信息。

    2024年02月05日
    瀏覽(32)
  • YOLOv5系列(二十八) 本文(2萬字) | 可視化工具 | Comet | ClearML | Wandb | Visdom |

    點(diǎn)擊進(jìn)入專欄: 《人工智能專欄》 Python與Python | 機(jī)器學(xué)習(xí) | 深度學(xué)習(xí) | 目標(biāo)檢測 | YOLOv5及其改進(jìn) | YOLOv8及其改進(jìn) | 關(guān)鍵知識(shí)點(diǎn) | 各種工具教程

    2024年02月03日
    瀏覽(104)
  • 【數(shù)據(jù)挖掘與人工智能可視化分析】可視化分析:如何通過可視化技術(shù)進(jìn)行數(shù)據(jù)挖掘和發(fā)現(xiàn)

    作者:禪與計(jì)算機(jī)程序設(shè)計(jì)藝術(shù) 數(shù)據(jù)挖掘(Data Mining)和人工智能(Artificial Intelligence,AI)已經(jīng)成為當(dāng)今社會(huì)熱點(diǎn)話題。這兩者之間的結(jié)合也帶來了很多挑戰(zhàn)。作為數(shù)據(jù)科學(xué)家、機(jī)器學(xué)習(xí)工程師、深度學(xué)習(xí)研究員等,掌握了數(shù)據(jù)的獲取、清洗、處理、建模、應(yīng)用這些技術(shù)的前提下,

    2024年02月07日
    瀏覽(42)
  • Python可視化界面編程入門

    Python可視化界面編程入門

    Python可視化界面編程入門具體實(shí)現(xiàn)代碼如所示: (1)普通可視化界面編程代碼入門:

    2024年02月08日
    瀏覽(24)
  • 神經(jīng)網(wǎng)絡(luò)的可視化:使用3D可視化和交互式界面來展示模型

    作者:禪與計(jì)算機(jī)程序設(shè)計(jì)藝術(shù) 作為人工智能領(lǐng)域的從業(yè)者,我們常常需要與其他技術(shù)人員或者領(lǐng)域內(nèi)的專家進(jìn)行交流。在這個(gè)過程中,一個(gè)關(guān)鍵的問題是如何讓復(fù)雜的神經(jīng)網(wǎng)絡(luò)模型變得易于理解和分析。今天,我們將探討如何使用3D可視化和交互式界面來展示神經(jīng)網(wǎng)絡(luò)模型

    2024年02月14日
    瀏覽(26)
  • 人工智能安全:利用人工智能的可視化分析技術(shù)

    作者:禪與計(jì)算機(jī)程序設(shè)計(jì)藝術(shù) 人工智能帶來的商業(yè)變革已經(jīng)席卷全球,如今人工智能模型已能產(chǎn)生傷害性結(jié)果。而AI模型的安全性目前也備受關(guān)注,各類公司紛紛投入研發(fā)相關(guān)的安全防護(hù)措施來保障用戶數(shù)據(jù)的隱私安全。在本文中,我們將通過可視化分析的方法對人工智能

    2024年02月02日
    瀏覽(29)
  • yolov8熱力圖可視化

    yolov8熱力圖可視化

    2024年02月11日
    瀏覽(22)

覺得文章有用就打賞一下文章作者

支付寶掃一掃打賞

博客贊助

微信掃一掃打賞

請作者喝杯咖啡吧~博客贊助

支付寶掃一掃領(lǐng)取紅包,優(yōu)惠每天領(lǐng)

二維碼1

領(lǐng)取紅包

二維碼2

領(lǐng)紅包