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
• 展示
  • 成品下载体验
  • 主界面
  • 功能
• 项目需求
• 使用方法
  • 快速入门
  • 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

---

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

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
• 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
  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

---