功能
PyThon实现的目标检测系统代码，基于深度学习框架PyTorch编程，采用CenterNet检测网络作为核心模型，可用于对车辆、行人、飞机、轮船、猫、狗等几十种类别进行检测和识别，并在QT界面中将结果可视化。代码可用于训练、验证和评估模型。在QT界面中，用户可以选择加载图像、摄像头和视频流三种模式作为模型输入。对模型训练完成后，用户可以根据自己数据集完成权重替换并可视化结果。用户还可以根据自己的需求，去更改QT界面的背景、按钮等，界面的操作和相关的代码都有详细的注释。
数据集检测类别
常用包括车辆、行人、飞机、轮船、猫、狗、马、鸟、羊、自行车、瓶、椅子、火车、沙发、餐桌、电视机、盆栽植物等几十个类别进行检测和识别。
PYQT界面：用户还可以根据自己的需求，去更改QT界面的背景、按钮等
给出的模型均已训练完成，自带权重文件！
模型
CenterNet是一种高效的目标检测算法，它采用中心点检测的方式来同时预测目标的中心位置和边界框。相比于传统的目标检测算法，CenterNet不需要额外的锚点或者候选框生成，因此可以大大减少计算量，提高检测速度。CenterNet还可以预测目标的类别和姿态信息，并且支持多种不同的输入尺寸和目标尺度。该算法在多个公开数据集上取得了优秀的检测精度和速度表现，特别是在小目标检测方面表现突出。目前，CenterNet已经被广泛应用于自动驾驶、机器人视觉、无人机等领域，成为目标检测领域的研究热点之一。
文件夹包含的内容
- 完整的程序文件（.py）
- UI界面文件（qt.py）
- 可供预测的图像文件和视频文件（./img/street.jpg and video.avi）
- 训练和预测代码（.py）
注意事项
- 付费后会收到文件的百度云链接噢！！！
- 版权所有，未经许可禁止商用和转载！
- 质量有保证，一经售出概不退款！
展示
（1）加载图像进行检测：可以选择图像进行目标检测，系统将检测和识别后的结果标注在图像上并在界面上自动展示。
（2）加载视频进行检测：可以选择视频进行目标检测，系统将检测和识别后的结果标注在视频上并在界面上自动展示。
（3）加载摄像头进行检测：可以选择摄像头进行目标检测，系统将检测和识别后的结果标注在图像流上并在界面上自动展示。
操作界面
