YOLO可视化界面，目标检测前端QT页面。

优质文章学习记录

— 14 min read
YOLO可视化界面，目标检测前端QT页面。

使用PySide6/QT实现YOLOv8可视化GUI页面

在人工智能和计算机视觉领域，YOLO（You Only Look Once）是一种广泛使用的实时目标检测算法。为了直观地展示YOLO算法的检测效果，我们可以使用Python中的PySide6库来创建一个简单的GUI应用程序，将检测结果实时可视化。

本文将指导你如何使用PySide6实现这一功能。

b0b70466fa674cff8cfd6997630b1a78.png
  1. 原视频/图片区：上半部分左边区域为原视频/图片展示区；
  2. 检测区：上半部分右边区域为检测结果输出展示区；
  3. 日志文本框：打印输出操作日志；
  4. 加载模型：从本地选择模型pt文件进行加载；
  5. 置信度阈值：自定义检测区的置信度阈值；
  6. 文件上传：选择目标文件；
  7. 开始检测：执行检测程序；
  8. 停止：终止检测程序；

一、工具介绍

1、PySide6

PySide6是一款功能强大的GUI（图形用户界面）开发框架，它允许Python开发者使用Qt库的功能来构建跨平台的桌面应用程序。PySide6作为Qt的Python绑定版本，继承了Qt的跨平台特性，支持在Windows、macOS、Linux等多种操作系统上开发和部署应用程序。其具有以下特点：

  1. 丰富的组件库：PySide6提供了大量的GUI控件和布局管理器，如按钮、文本框、下拉框、复选框等，以及QGridLayout、QFormLayout、QStackedLayout等多种布局方式，方便开发者快速构建用户界面。
  2. 高性能：基于Qt 6的底层实现，PySide6保证了应用程序的性能和响应速度，能够处理大型复杂的GUI。
  3. 灵活的事件处理机制：PySide6能够处理各种用户输入事件，如鼠标点击、键盘输入等，实现丰富的交互功能。
  4. 官方维护与支持：PySide6是Qt公司官方维护的Python绑定版本，享有官方的技术支持和更新服务，确保了框架的稳定性和可靠性。

2、OpenCV 

OpenCV（Open Source Computer Vision Library）是一个广泛使用的开源计算机视觉库，它提供了丰富的图像和视频处理功能，以及一些机器学习算法。

OpenCV具有广泛的应用领域，包括但不限于：

  • 人脸识别和物体识别：使用OpenCV可以实现人脸检测和识别，以及目标检测等，可应用于人脸门禁系统、人脸支付、安全监控等场景。
  • 图像和视频分析：可用于视频压缩、视频稳定、行人跟踪、行为分析等。
  • 图像合成和3D重建：通过多个视角的图像来重建场景的三维结构。
  • 机器学习：OpenCV也提供了针对神经网络和深度学习的高级功能，支持常见的深度学习框架，如TensorFlow、PyTorch和Caffe，使开发者能够利用神经网络进行人脸检测、物体识别和语义分割等任务。

二、环境准备 

利用pip工具进行依赖项安装（也可以利用Annaconda进行依赖包安装），要求python≥3.8。具体步骤如下：

1、安装ultralytics包

打开CMD：Win键 + R打开<运行>，输入"cmd"，回车，输入以下代码，即可快速安装YOLO。

也可以在PyCharm编辑器里打开终端进行安装。

# 安装ultralytics工具包 pip install ultralytics # 如果安装速度比较慢可以换成清华源的镜像 pip install ultralytics -i https://pypi.tuna.tsinghua.edu.cn/simple

 在ultralytics包里，会自动安装适配当前ultralytics版本的torch。

a88de7a216164c4497051c91cfe44554.png

也可以根据自己的需要安装对应的torch版本：

pip install torch=2.1.0 -i https://pypi.tuna.tsinghua.edu.cn/simple

 2、安装PySide6工具包

使用 pip 或者 conda 安装PySide6，打开你的终端或命令提示符，然后运行以下命令来安装 PySide6：

# 安装PySide6工具包 pip install PySide6 -i https://pypi.tuna.tsinghua.edu.cn/simple

3、安装OpenCV工具包

使用 pip 或者 conda 安装 OpenCV，打开你的终端或命令提示符，然后运行以下命令来安装 OpenCV：

# 安装opencv工具包 pip install opencv-python -i https://pypi.tuna.tsinghua.edu.cn/simple

这个命令会安装 OpenCV 的核心功能，包括图像处理、视频捕获等。如果你还需要额外的功能，比如对 OpenCV 的贡献模块（如 xfeatures2d、stitching 等），你可以安装 opencv-contrib-python:

# 安装opencv工具包 pip install opencv-contrib-python -i https://pypi.tuna.tsinghua.edu.cn/simple

三、导入必要的库

在你的Python脚本中，导入所需的库：

import os from datetime import datetime import json import cv2 import torch from PyQt5.QtCore import pyqtSlot from PySide6.QtGui import QIcon from PySide6 import QtWidgets, QtCore, QtGui from PySide6.QtCore import Qt, QDir from ultralytics import YOLO

四、创建主窗口，初始化相关参数

class MyWindow(QtWidgets.QMainWindow): def __init__(self): super().__init__() self.init_gui() self.model = None self.timer = QtCore.QTimer() self.timer1 = QtCore.QTimer() self.cap = None self.video = None self.file_path = None self.base_name = None self.timer1.timeout.connect(self.video_show) def init_gui(self): self.folder_path = "./model_file" # 自定义修改：设置模型文件夹路径 self.setFixedSize(1300, 650) self.setWindowTitle('目标检测') # 自定义修改：设置窗口名称 self.setWindowIcon(QIcon("logo.jpg")) # 自定义修改：设置窗口图标 central_widget = QtWidgets.QWidget(self) self.setCentralWidget(central_widget) main_layout = QtWidgets.QVBoxLayout(central_widget)

更换窗口背景图片： 

# 自定义修改：设置窗口背景图 self.set_background_image('bg.jpg')

五、编写页面布局

1、创建图片/视频展示区域

e7f71d9f9a374c83a8e8bb03405fdb10.png

如上图所示，左侧是文件上传之后原图、原视频的展示区域；右侧是经模型加载并执行开始检测之后，用来展示预测结果的检测区。

页面布局代码如下：

# 界面上半部分： 视频框 topLayout = QtWidgets.QHBoxLayout() self.oriVideoLabel = QtWidgets.QLabel(self) self.detectlabel = QtWidgets.QLabel(self) self.oriVideoLabel.setFixedSize(530, 400) self.detectlabel.setFixedSize(530, 400) self.oriVideoLabel.setStyleSheet('border: 2px solid #ccc; border-radius: 10px; margin-top:75px;') self.detectlabel.setStyleSheet('border: 2px solid #ccc; border-radius: 10px; margin-top: 75px;') topLayout.addWidget(self.oriVideoLabel) topLayout.addWidget(self.detectlabel) main_layout.addLayout(topLayout)

在这段代码中，包含一个水平布局（QHBoxLayout），用于放置两个视频显示的标签（QLabel）。这两个标签分别用于显示原始视频（oriVideoLabel）和处理后的视频或检测结果（detectLabel）。

2、创建日志打印区域

在基于YOLO的目标检测当中，我们需要记录一些操作日志，从而方便后续维护。此外，在实际生产环境中，如果置信度大于我们所设定的阈值，需要产生告警信息，而这些信息需要记录标签预测框的坐标信息、产生告警的时间以及告警的标签内容。日志打印区的效果图如下：

1259d0cb3c8b41428532b6cbd6f5eb95.png
4deb8e9ed53f4c16acb321399a35c4cb.png

 如上图所示，在启动程序之后会提示加载模型文件，之后进行文件上传，最后点击开始检测。在这个过程中会生成操作日志。

2e11645362114959adfe398464f53e0f.png

在日志打印区当中会生成JSON字符串格式的日志信息，信息内容为当前预测框中的告警信息，包括：

  • 标签名称："name": "道路积水", 
  • 置信度："confidence": 0.9243840575218201,
  • 横坐标："x": 452.06036376953125,
  • 纵坐标："y": 409.8131103515625,
  • 预测框宽度："width": 1142.6134033203125,
  • 预测框高度："height": 571.2572021484375

可以将上述告警信息封装之后以接口的形式传入相关数据平台进行分析和处理。 

日志区域的页面布局代码如下：

# 创建日志打印文本框 self.outputField = QtWidgets.QTextBrowser() self.outputField.setFixedSize(530, 180)

3、加载YOLO模型

下载YOLO预训练模型，选择自己的预测模型进行加载.....

933a22f01f8f4dc1a71e07f09622a91c.png

修改模型本地路径：

def init_gui(self): self.folder_path = "./models" # 自定义修改：设置文件夹路径 self.setFixedSize(1300, 650) self.setWindowTitle('目标检测') # 自定义修改：设置窗口名称 self.setWindowIcon(QIcon("logo.jpg")) # 自定义修改：设置窗口图标 central_widget = QtWidgets.QWidget(self) self.setCentralWidget(central_widget) main_layout = QtWidgets.QVBoxLayout(central_widget)

代码如下：

# 遍历文件夹并添加文件名到下拉框 for filename in os.listdir(self.folder_path): file_path = os.path.join(self.folder_path, filename) if os.path.isfile(file_path) and filename.endswith('.pt'): # 确保是文件且后缀为.pt base_name = os.path.splitext(filename)[0] self.selectModel.addItem(base_name) # 添加加载模型按钮 self.loadModel = QtWidgets.QPushButton('🔄️加载模型') # 新建加载模型按钮 self.loadModel.setFixedSize(100, 50) self.loadModel.setStyleSheet(""" QPushButton { background-color: white; /* 正常状态下的背景颜色 */ border: 2px solid gray; /* 正常状态下的边框 */ border-radius: 10px; padding: 5px; font-size: 14px; } QPushButton:hover { background-color: #f0f0f0; /* 悬停状态下的背景颜色 */ } """) self.loadModel.clicked.connect(self.load_model) # 绑定load_model函数进行模型加载 selectModel_layout.addWidget(self.selectModel) # 将下拉框加入到页面布局当中 selectModel_layout.addWidget(self.loadModel) # 将按钮加入到页面布局当中

load_model函数代码如下：

def load_model(self): filename = self.selectModel.currentText() full_path = os.path.join(self.folder_path, filename + '.pt') self.base_name = os.path.splitext(os.path.basename(full_path))[0] if full_path.endswith('.pt'): # 加载预训练模型 self.model = YOLO(full_path) self.start_detect.setEnabled(True) self.stopDetectBtn.setEnabled(True) self.openImageBtn.setEnabled(True) self.confudence_slider.setEnabled(True) self.outputField.append(f'{datetime.now().strftime("%Y-%m-%d %H:%M:%S")} - 模型加载成功: {filename}') self.outputField.append(f'{datetime.now().strftime("%Y-%m-%d %H:%M:%S")} - 请选择置信度阈值') else: self.outputField.append(f'{datetime.now().strftime("%Y-%m-%d %H:%M:%S")} - 请重新选择模型文件！') print("Reselect model")

4、创建置信度阈值滑动条

7e39823a2f7d4157a202423fe4cf7fae.png
06d66a3fa1fa443bb19bb8a0a1d9abf2.png
6b71d9f9402140d8877363427b82d8d2.png

你可以根据自己的需求自定义置信度阈值，value值会绑定模型预测的conf，在预测过程中实时生效，效果图如下：

288deac87b3846d3b2675a4345dc41bf.png
b8c710327ebf43f5962fef514aa851c7.png

页面布局代码如下：

# 创建一个置信度阈值滑动条 self.con_label = QtWidgets.QLabel('置信度阈值', self) self.con_label.setStyleSheet('font-size: 14px; font-family: "Microsoft YaHei";') # 创建一个QSlider，范围从0到99（代表0.01到0.99） self.slider = QtWidgets.QSlider(Qt.Horizontal, self) self.slider.setMinimum(1) # 0.01 self.slider.setMaximum(99) # 0.99 self.slider.setValue(50) # 0.5 self.slider.setTickInterval(10) self.slider.setTickPosition(QtWidgets.QSlider.TicksBelow) self.slider.setFixedSize(170, 30) # 创建一个QDoubleSpinBox用于显示和设置滑动条的值 self.spinbox = QtWidgets.QDoubleSpinBox(self) self.spinbox.setButtonSymbols(QtWidgets.QAbstractSpinBox.NoButtons) self.spinbox.setMinimum(0.01) self.spinbox.setMaximum(0.99) self.spinbox.setSingleStep(0.01) self.spinbox.setValue(0.5) self.spinbox.setDecimals(2) self.spinbox.setFixedSize(60, 30) self.spinbox.setStyleSheet('border: 2px solid gray; border-radius: 10px; ' 'padding: 5px; background-color: #f0f0f0; font-size: 14px;') self.confudence_slider = QtWidgets.QWidget() layout = QtWidgets.QVBoxLayout() hlayout = QtWidgets.QHBoxLayout() self.confudence_slider.setFixedSize(250, 64) layout.addWidget(self.con_label) hlayout.addWidget(self.slider) hlayout.addWidget(self.spinbox) layout.addLayout(hlayout) self.confudence_slider.setLayout(layout) self.confudence_slider.setEnabled(False) # 连接信号和槽 self.slider.valueChanged.connect(self.updateSpinBox) self.spinbox.valueChanged.connect(self.updateSlider)

5、文件上传

文件上传操作包括图片上传、视频上传，支持JPG格式和MP4格式，以文件流的形式读取需要被检测的文件。

# 对上传的文件根据后缀名称进行过滤 file_path, file_type = file_dialog.getOpenFileName(self, "选择检测文件", filter='*.jpg *.mp4')

 修改图片/视频上传路径：

def upload_file(self): self.outputField.append(f'{datetime.now().strftime("%Y-%m-%d %H:%M:%S")} - 请选择检测文件') file_dialog = QtWidgets.QFileDialog() file_dialog.setDirectory(QDir("./valid_file")) # 修改上传文件路径
aae962e799354b4c82d4f53c753f27f9.png

页面布局代码如下：

# 文件上传按钮 self.openImageBtn = QtWidgets.QPushButton('🖼️文件上传') self.openImageBtn.setFixedSize(100, 65) self.openImageBtn.setStyleSheet(""" QPushButton { background-color: white; /* 正常状态下的背景颜色 */ border: 2px solid gray; /* 正常状态下的边框 */ border-radius: 10px; padding: 5px; font-size: 14px; margin-bottom: 15px; } QPushButton:hover { background-color: #f0f0f0; /* 悬停状态下的背景颜色 */ } """) self.openImageBtn.clicked.connect(self.upload_file) # 绑定upload_file事件 self.openImageBtn.setEnabled(False) # 初始化按钮默认不可操作，加载模型之后可以操作

文件上传成功之后会呈现在左侧的展示区域，效果图如下：

a5e4bcaa340d43b3a87c9fa206b1c52a.png

上传视频效果如下：

627a6c8f37064833aee70fd2d74d5d88.png

6、执行预测

图片预测效果图如下：

bc653fabcf5a49b79655fe0637023dca.png

使用 OpenCV（cv2）库进行视频抽帧是一个常见的任务，可以用于从视频中提取特定的帧进行进一步处理或分析。

视频预测效果图如下：

627a6c8f37064833aee70fd2d74d5d88.png

页面布局代码如下：

# 执行预测按钮 self.start_detect = QtWidgets.QPushButton('🔍开始检测') self.start_detect.setFixedSize(100, 50) self.start_detect.setStyleSheet(""" QPushButton { background-color: white; /* 正常状态下的背景颜色 */ border: 2px solid gray; /* 正常状态下的边框 */ border-radius: 10px; padding: 5px; font-size: 14px; } QPushButton:hover { background-color: #f0f0f0; /* 悬停状态下的背景颜色 */ } """) self.start_detect.clicked.connect(self.show_detect) # 绑定show_detect函数事件 self.start_detect.setEnabled(False)

模型预测的核心代码：

将视频帧进行抽取之后转为QImage格式对预测结果进行展示。

frame = self.model(frame, imgsz=[448, 352], device='cuda', conf=self.value) if torch.cuda.is_available() \ else self.model(frame, imgsz=[448, 352], device='cpu', conf=self.value)

7、停止检测

在视频检测的过程中可能发现上传错误，此时为了防止视频一直在后台检测导致占用内存，需要及时中断检测程序。

界面效果图如下所示：

7d50cf5cfb3a43cd983801ff3b586aec.png

日志打印区会输出“检测中断！”，检测区也会停在该视频的当前帧。

代码如下：

# 停止检测按钮 self.stopDetectBtn = QtWidgets.QPushButton('🛑停止') self.stopDetectBtn.setFixedSize(100, 50) self.stopDetectBtn.setEnabled(False) self.stopDetectBtn.clicked.connect(self.stop_detect) # 绑定stop_detect中断检测事件 # 中断检测事件 def stop_detect(self): if self.timer.isActive(): self.timer.stop() if self.timer1.isActive(): self.timer1.stop() if self.cap is not None: self.cap.release() self.cap = None self.video = None self.ini_labels() self.outputField.append(f'{datetime.now().strftime("%Y-%m-%d %H:%M:%S")} - 检测中断！') self.file_path = None

六、程序完整代码

主页私聊博主哈~

内容为本人原创，诚心需要提供内容指导！

非本人同意禁止转载......

Read more

AI提示词：零基础入门与核心概念

AI提示词：零基础入门与核心概念

AI提示词：零基础入门与核心概念 📝 本章学习目标：理解什么是提示词，掌握提示词的核心概念，建立正确的AI对话思维，为后续学习打下坚实基础。 一、什么是提示词？ 1.1 提示词的定义 提示词（Prompt），简单来说，就是你发给AI的指令或问题。它是人类与人工智能沟通的桥梁，是你告诉AI"我想要什么"的方式。 想象一下，你雇佣了一位超级聪明但对你的需求一无所知的助手。这位助手知识渊博、能力强大，但它需要你清晰地告诉它要做什么。提示词就是你给这位助手的工作指令。 💡 核心认知：提示词不是简单的"提问"，而是一种结构化的指令设计。好的提示词能让AI精准理解你的意图，输出高质量的结果；糟糕的提示词则会让AI"答非所问"，浪费你的时间。 1.2 提示词的重要性 为什么提示词如此重要？让我们通过一个对比来说明： ❌ 糟糕的提示词： 帮我写点东西 ✅ 好的提示词： 请帮我写一篇关于&

支持LoRA和QLoRA的LLama-Factory镜像已发布，轻松节省GPU算力成本

支持LoRA和QLoRA的LLama-Factory镜像已发布，轻松节省GPU算力成本 在大模型时代，一个现实问题困扰着无数开发者：如何用有限的硬件资源微调动辄数十亿参数的语言模型？全参数微调虽然效果好，但一张A100显卡都未必扛得住。而如今，这个问题正在被彻底改写。 随着LoRA与QLoRA技术的成熟，以及LLama-Factory这类集成化框架的推出，我们已经可以在单张RTX 3090上完成7B甚至13B级别模型的高效微调——这在过去几乎是不可想象的。更重要的是，整个过程不再需要编写复杂的训练脚本，非技术人员也能通过图形界面完成定制化训练。 这一切的背后，是参数高效微调（PEFT）与量化技术的深度融合，也是开源社区对“普惠AI”的一次有力实践。 LoRA：让微调变得轻量而高效 传统微调会更新模型中所有参数，以LLaMA-7B为例，约有67亿个可训练参数，光优化器状态就可能占用超过80GB显存。这种资源消耗对于大多数个人或中小企业来说是难以承受的。 LoRA（Low-Rank Adaptation）的出现改变了这一局面。它的核心思想非常巧妙：冻结原始权重，仅引入少量可训练

基于Whisper-large-v3的多语言翻译系统开发

基于Whisper-large-v3的多语言翻译系统开发 想象一下这样的场景：一场国际线上会议正在进行，参会者来自世界各地，说着不同的语言。一位德国同事用德语发言，一位日本伙伴用日语提问，而你作为会议组织者，需要实时理解所有人的发言，并确保沟通顺畅。传统做法是雇佣多名翻译，成本高昂且响应延迟。现在，有了基于Whisper-large-v3构建的多语言翻译系统，这一切都可以自动化完成，而且成本只是传统方案的零头。 本文将带你一步步构建这样一个系统，从语音识别到文本翻译，形成一个完整的流水线。无论你是想为跨国团队开发内部工具，还是想为内容平台添加多语言字幕功能，这套方案都能为你提供一个坚实的起点。 1. 为什么选择Whisper-large-v3？ 在开始动手之前，我们先聊聊为什么Whisper-large-v3是构建多语言翻译系统的理想选择。 Whisper-large-v3是OpenAI开源的语音识别模型，它最大的特点就是“多语言”和“高精度”。这个模型在超过100万小时的音频数据上训练过，支持99种语言的识别，包括英语、中文、法语、德语、日语、韩语等主流语言，甚至还能识别

从Obsidian App迁移到Obsidian.nvim：保留所有功能的无缝过渡方案

从Obsidian App迁移到Obsidian.nvim：保留所有功能的无缝过渡方案 【免费下载链接】obsidian.nvimObsidian 🤝 Neovim 项目地址: https://gitcode.com/gh_mirrors/obs/obsidian.nvim Obsidian.nvim是一款将Obsidian的强大功能与Neovim的高效编辑体验完美结合的插件。如果你是Obsidian App的忠实用户，又想体验Neovim带来的极致编辑效率，本文将为你提供一份保留所有功能的无缝迁移指南，让你轻松过渡到Obsidian.nvim的世界。 为什么选择Obsidian.nvim？ Obsidian.nvim不仅继承了Obsidian App的核心功能，还融入了Neovim的强大编辑能力。它支持双向链接、标签管理、每日笔记等Obsidian的标志性功能，同时提供了Vim快捷键、代码高亮、插件扩展等Neovim特有的优势。对于习惯使用Obsidian进行知识管理，又追求高效编辑体验的用户来说，Obsidian.nvim是理想的选择。 准备工作：安装Obsidia