小面包 面包多
简介
评论
作品封面
永久回看

基于yolov11的持刀检测系统python源码+pytorch模型+评估指标曲线+精美GUI界面

¥200
投诉
头像
FL1623863129 主要研究方向为:计算机软件开发、人工智能算法、图像处理、深度学习算法和应用、嵌入式部署、模型部署、环境安装、各种资源文件等
作品简介

详细信息介绍参考博文:https://blog.csdn.net/FL1623863129/article/details/146371336

【效果展示】

 

【训练数据集介绍】

数据集格式:Pascal VOC格式+YOLO格式(不包含分割路径的txt文件,仅仅包含jpg图片以及对应的VOC格式xml文件和yolo格式txt文件)

图片数量(jpg文件个数):12958

标注数量(xml文件个数):12958

标注数量(txt文件个数):12958

标注类别数:1

标注类别名称(注意yolo格式类别顺序不和这个对应,而以labels文件夹classes.txt为准):["knife"]

每个类别标注的框数:

knife 框数 = 13180

总框数:13180

使用标注工具:labelImg

标注规则:对类别进行画矩形框

重要说明:暂无

特别声明:本数据集不对训练的模型或者权重文件精度作任何保证,数据集只提供准确且合理标注

图片预览:

标注例子:

【训练信息】

参数值训练集图片数11662验证集图片数1296训练map96.2%训练精度(Precision)93.9%训练召回率(Recall)93.9%

【模型可检测出1类】

knife

【界面代码】

class Ui_MainWindow(QtWidgets.QMainWindow):

    signal = QtCore.pyqtSignal(str, str)

 

    def setupUi(self):

        self.setObjectName("MainWindow")

        self.resize(1280, 728)

        self.centralwidget = QtWidgets.QWidget(self)

        self.centralwidget.setObjectName("centralwidget")

 

        self.weights_dir = './weights'

 

        self.picture = QtWidgets.QLabel(self.centralwidget)

        self.picture.setGeometry(QtCore.QRect(260, 10, 1010, 630))

        self.picture.setStyleSheet("background:black")

        self.picture.setObjectName("picture")

        self.picture.setScaledContents(True)

        self.label_2 = QtWidgets.QLabel(self.centralwidget)

        self.label_2.setGeometry(QtCore.QRect(10, 10, 81, 21))

        self.label_2.setObjectName("label_2")

        self.cb_weights = QtWidgets.QComboBox(self.centralwidget)

        self.cb_weights.setGeometry(QtCore.QRect(10, 40, 241, 21))

        self.cb_weights.setObjectName("cb_weights")

        self.cb_weights.currentIndexChanged.connect(self.cb_weights_changed)

 

        self.label_3 = QtWidgets.QLabel(self.centralwidget)

        self.label_3.setGeometry(QtCore.QRect(10, 70, 72, 21))

        self.label_3.setObjectName("label_3")

        self.hs_conf = QtWidgets.QSlider(self.centralwidget)

        self.hs_conf.setGeometry(QtCore.QRect(10, 100, 181, 22))

        self.hs_conf.setProperty("value", 25)

        self.hs_conf.setOrientation(QtCore.Qt.Horizontal)

        self.hs_conf.setObjectName("hs_conf")

        self.hs_conf.valueChanged.connect(self.conf_change)

        self.dsb_conf = QtWidgets.QDoubleSpinBox(self.centralwidget)

        self.dsb_conf.setGeometry(QtCore.QRect(200, 100, 51, 22))

        self.dsb_conf.setMaximum(1.0)

        self.dsb_conf.setSingleStep(0.01)

        self.dsb_conf.setProperty("value", 0.25)

        self.dsb_conf.setObjectName("dsb_conf")

        self.dsb_conf.valueChanged.connect(self.dsb_conf_change)

        self.dsb_iou = QtWidgets.QDoubleSpinBox(self.centralwidget)

        self.dsb_iou.setGeometry(QtCore.QRect(200, 160, 51, 22))

        self.dsb_iou.setMaximum(1.0)

        self.dsb_iou.setSingleStep(0.01)

        self.dsb_iou.setProperty("value", 0.45)

        self.dsb_iou.setObjectName("dsb_iou")

        self.dsb_iou.valueChanged.connect(self.dsb_iou_change)

        self.hs_iou = QtWidgets.QSlider(self.centralwidget)

        self.hs_iou.setGeometry(QtCore.QRect(10, 160, 181, 22))

        self.hs_iou.setProperty("value", 45)

        self.hs_iou.setOrientation(QtCore.Qt.Horizontal)

        self.hs_iou.setObjectName("hs_iou")

        self.hs_iou.valueChanged.connect(self.iou_change)

        self.label_4 = QtWidgets.QLabel(self.centralwidget)

        self.label_4.setGeometry(QtCore.QRect(10, 130, 72, 21))

        self.label_4.setObjectName("label_4")

        self.label_5 = QtWidgets.QLabel(self.centralwidget)

        self.label_5.setGeometry(QtCore.QRect(10, 210, 72, 21))

        self.label_5.setObjectName("label_5")

        self.le_res = QtWidgets.QTextEdit(self.centralwidget)

        self.le_res.setGeometry(QtCore.QRect(10, 240, 241, 400))

        self.le_res.setObjectName("le_res")

        self.setCentralWidget(self.centralwidget)

        self.menubar = QtWidgets.QMenuBar(self)

        self.menubar.setGeometry(QtCore.QRect(0, 0, 1110, 30))

        self.menubar.setObjectName("menubar")

        self.setMenuBar(self.menubar)

        self.statusbar = QtWidgets.QStatusBar(self)

        self.statusbar.setObjectName("statusbar")

        self.setStatusBar(self.statusbar)

        self.toolBar = QtWidgets.QToolBar(self)

        self.toolBar.setToolButtonStyle(QtCore.Qt.ToolButtonTextBesideIcon)

        self.toolBar.setObjectName("toolBar")

        self.addToolBar(QtCore.Qt.TopToolBarArea, self.toolBar)

        self.actionopenpic = QtWidgets.QAction(self)

        icon = QtGui.QIcon()

        icon.addPixmap(QtGui.QPixmap(":/images/1.png"), QtGui.QIcon.Normal, QtGui.QIcon.Off)

        self.actionopenpic.setIcon(icon)

        self.actionopenpic.setObjectName("actionopenpic")

        self.actionopenpic.triggered.connect(self.open_image)

        self.action = QtWidgets.QAction(self)

        icon1 = QtGui.QIcon()

        icon1.addPixmap(QtGui.QPixmap(":/images/2.png"), QtGui.QIcon.Normal, QtGui.QIcon.Off)

        self.action.setIcon(icon1)

        self.action.setObjectName("action")

        self.action.triggered.connect(self.open_video)

        self.action_2 = QtWidgets.QAction(self)

        icon2 = QtGui.QIcon()

        icon2.addPixmap(QtGui.QPixmap(":/images/3.png"), QtGui.QIcon.Normal, QtGui.QIcon.Off)

        self.action_2.setIcon(icon2)

        self.action_2.setObjectName("action_2")

        self.action_2.triggered.connect(self.open_camera)

 

        self.actionexit = QtWidgets.QAction(self)

        icon3 = QtGui.QIcon()

        icon3.addPixmap(QtGui.QPixmap(":/images/4.png"), QtGui.QIcon.Normal, QtGui.QIcon.Off)

        self.actionexit.setIcon(icon3)

        self.actionexit.setObjectName("actionexit")

        self.actionexit.triggered.connect(self.exit)

 

        self.toolBar.addAction(self.actionopenpic)

        self.toolBar.addAction(self.action)

        self.toolBar.addAction(self.action_2)

        self.toolBar.addAction(self.actionexit)

 

        self.retranslateUi()

        QtCore.QMetaObject.connectSlotsByName(self)

        self.init_all()

 

【常用评估参数介绍】

在目标检测任务中,评估模型的性能是至关重要的。你提到的几个术语是评估模型性能的常用指标。下面是对这些术语的详细解释:

  1. Class
  • 这通常指的是模型被设计用来检测的目标类别。例如,一个模型可能被训练来检测车辆、行人或动物等不同类别的对象。
  1. Images
  • 表示验证集中的图片数量。验证集是用来评估模型性能的数据集,与训练集分开,以确保评估结果的公正性。
  1. Instances
  • 在所有图片中目标对象的总数。这包括了所有类别对象的总和,例如,如果验证集包含100张图片,每张图片平均有5个目标对象,则Instances为500。
  1. P(精确度Precision)
  • 精确度是模型预测为正样本的实例中,真正为正样本的比例。计算公式为:Precision = TP / (TP + FP),其中TP表示真正例(True Positives),FP表示假正例(False Positives)。
  1. R(召回率Recall)
  • 召回率是所有真正的正样本中被模型正确预测为正样本的比例。计算公式为:Recall = TP / (TP + FN),其中FN表示假负例(False Negatives)。
  1. mAP50
  • 表示在IoU(交并比)阈值为0.5时的平均精度(mean Average Precision)。IoU是衡量预测框和真实框重叠程度的指标。mAP是一个综合指标,考虑了精确度和召回率,用于评估模型在不同召回率水平上的性能。在IoU=0.5时,如果预测框与真实框的重叠程度达到或超过50%,则认为该预测是正确的。
  1. mAP50-95
  • 表示在IoU从0.5到0.95(间隔0.05)的范围内,模型的平均精度。这是一个更严格的评估标准,要求预测框与真实框的重叠程度更高。在目标检测任务中,更高的IoU阈值意味着模型需要更准确地定位目标对象。mAP50-95的计算考虑了从宽松到严格的多个IoU阈值,因此能够更全面地评估模型的性能。

这些指标共同构成了评估目标检测模型性能的重要框架。通过比较不同模型在这些指标上的表现,可以判断哪个模型在实际应用中可能更有效。

【使用步骤】

使用步骤:

(1)首先根据官方框架ultralytics安装教程安装好yolov11环境,并安装好pyqt5

(2)切换到自己安装的yolo11环境后,并切换到源码目录,执行python main.py即可运行启动界面,进行相应的操作即可

【提供文件】

python源码

yolo11n.pt模型

训练的map,P,R曲线图(在weights\results.png)

测试图片600张(在test_img文件夹下面)

注意不提供训练的数据集

付费200元可获得

评论 推荐Ta

暂时还没有评论


头像
FL1623863129 主要研究方向为:计算机软件开发、人工智能算法、图像处理、深度学习算法和应用、嵌入式部署、模型部署、环境安装、各种资源文件等
关注
1 喜欢 17 关注 2043 粉丝 174518 作品

在您购买本平台付费作品前,请您认真阅读本声明内容。如果您对这份声明没有异议,则可以继续购买 >>>

  • 主页
  • 私信
登录或购买

基于yolov11的持刀检测系统python源码+pytorch模型+评估指标曲线+精美GUI界面

作品简介

详细信息介绍参考博文:https://blog.csdn.net/FL1623863129/article/details/146371336

【效果展示】

 

【训练数据集介绍】

数据集格式:Pascal VOC格式+YOLO格式(不包含分割路径的txt文件,仅仅包含jpg图片以及对应的VOC格式xml文件和yolo格式txt文件)

图片数量(jpg文件个数):12958

标注数量(xml文件个数):12958

标注数量(txt文件个数):12958

标注类别数:1

标注类别名称(注意yolo格式类别顺序不和这个对应,而以labels文件夹classes.txt为准):["knife"]

每个类别标注的框数:

knife 框数 = 13180

总框数:13180

使用标注工具:labelImg

标注规则:对类别进行画矩形框

重要说明:暂无

特别声明:本数据集不对训练的模型或者权重文件精度作任何保证,数据集只提供准确且合理标注

图片预览:

标注例子:

【训练信息】

参数值训练集图片数11662验证集图片数1296训练map96.2%训练精度(Precision)93.9%训练召回率(Recall)93.9%

【模型可检测出1类】

knife

【界面代码】

class Ui_MainWindow(QtWidgets.QMainWindow):

    signal = QtCore.pyqtSignal(str, str)

 

    def setupUi(self):

        self.setObjectName("MainWindow")

        self.resize(1280, 728)

        self.centralwidget = QtWidgets.QWidget(self)

        self.centralwidget.setObjectName("centralwidget")

 

        self.weights_dir = './weights'

 

        self.picture = QtWidgets.QLabel(self.centralwidget)

        self.picture.setGeometry(QtCore.QRect(260, 10, 1010, 630))

        self.picture.setStyleSheet("background:black")

        self.picture.setObjectName("picture")

        self.picture.setScaledContents(True)

        self.label_2 = QtWidgets.QLabel(self.centralwidget)

        self.label_2.setGeometry(QtCore.QRect(10, 10, 81, 21))

        self.label_2.setObjectName("label_2")

        self.cb_weights = QtWidgets.QComboBox(self.centralwidget)

        self.cb_weights.setGeometry(QtCore.QRect(10, 40, 241, 21))

        self.cb_weights.setObjectName("cb_weights")

        self.cb_weights.currentIndexChanged.connect(self.cb_weights_changed)

 

        self.label_3 = QtWidgets.QLabel(self.centralwidget)

        self.label_3.setGeometry(QtCore.QRect(10, 70, 72, 21))

        self.label_3.setObjectName("label_3")

        self.hs_conf = QtWidgets.QSlider(self.centralwidget)

        self.hs_conf.setGeometry(QtCore.QRect(10, 100, 181, 22))

        self.hs_conf.setProperty("value", 25)

        self.hs_conf.setOrientation(QtCore.Qt.Horizontal)

        self.hs_conf.setObjectName("hs_conf")

        self.hs_conf.valueChanged.connect(self.conf_change)

        self.dsb_conf = QtWidgets.QDoubleSpinBox(self.centralwidget)

        self.dsb_conf.setGeometry(QtCore.QRect(200, 100, 51, 22))

        self.dsb_conf.setMaximum(1.0)

        self.dsb_conf.setSingleStep(0.01)

        self.dsb_conf.setProperty("value", 0.25)

        self.dsb_conf.setObjectName("dsb_conf")

        self.dsb_conf.valueChanged.connect(self.dsb_conf_change)

        self.dsb_iou = QtWidgets.QDoubleSpinBox(self.centralwidget)

        self.dsb_iou.setGeometry(QtCore.QRect(200, 160, 51, 22))

        self.dsb_iou.setMaximum(1.0)

        self.dsb_iou.setSingleStep(0.01)

        self.dsb_iou.setProperty("value", 0.45)

        self.dsb_iou.setObjectName("dsb_iou")

        self.dsb_iou.valueChanged.connect(self.dsb_iou_change)

        self.hs_iou = QtWidgets.QSlider(self.centralwidget)

        self.hs_iou.setGeometry(QtCore.QRect(10, 160, 181, 22))

        self.hs_iou.setProperty("value", 45)

        self.hs_iou.setOrientation(QtCore.Qt.Horizontal)

        self.hs_iou.setObjectName("hs_iou")

        self.hs_iou.valueChanged.connect(self.iou_change)

        self.label_4 = QtWidgets.QLabel(self.centralwidget)

        self.label_4.setGeometry(QtCore.QRect(10, 130, 72, 21))

        self.label_4.setObjectName("label_4")

        self.label_5 = QtWidgets.QLabel(self.centralwidget)

        self.label_5.setGeometry(QtCore.QRect(10, 210, 72, 21))

        self.label_5.setObjectName("label_5")

        self.le_res = QtWidgets.QTextEdit(self.centralwidget)

        self.le_res.setGeometry(QtCore.QRect(10, 240, 241, 400))

        self.le_res.setObjectName("le_res")

        self.setCentralWidget(self.centralwidget)

        self.menubar = QtWidgets.QMenuBar(self)

        self.menubar.setGeometry(QtCore.QRect(0, 0, 1110, 30))

        self.menubar.setObjectName("menubar")

        self.setMenuBar(self.menubar)

        self.statusbar = QtWidgets.QStatusBar(self)

        self.statusbar.setObjectName("statusbar")

        self.setStatusBar(self.statusbar)

        self.toolBar = QtWidgets.QToolBar(self)

        self.toolBar.setToolButtonStyle(QtCore.Qt.ToolButtonTextBesideIcon)

        self.toolBar.setObjectName("toolBar")

        self.addToolBar(QtCore.Qt.TopToolBarArea, self.toolBar)

        self.actionopenpic = QtWidgets.QAction(self)

        icon = QtGui.QIcon()

        icon.addPixmap(QtGui.QPixmap(":/images/1.png"), QtGui.QIcon.Normal, QtGui.QIcon.Off)

        self.actionopenpic.setIcon(icon)

        self.actionopenpic.setObjectName("actionopenpic")

        self.actionopenpic.triggered.connect(self.open_image)

        self.action = QtWidgets.QAction(self)

        icon1 = QtGui.QIcon()

        icon1.addPixmap(QtGui.QPixmap(":/images/2.png"), QtGui.QIcon.Normal, QtGui.QIcon.Off)

        self.action.setIcon(icon1)

        self.action.setObjectName("action")

        self.action.triggered.connect(self.open_video)

        self.action_2 = QtWidgets.QAction(self)

        icon2 = QtGui.QIcon()

        icon2.addPixmap(QtGui.QPixmap(":/images/3.png"), QtGui.QIcon.Normal, QtGui.QIcon.Off)

        self.action_2.setIcon(icon2)

        self.action_2.setObjectName("action_2")

        self.action_2.triggered.connect(self.open_camera)

 

        self.actionexit = QtWidgets.QAction(self)

        icon3 = QtGui.QIcon()

        icon3.addPixmap(QtGui.QPixmap(":/images/4.png"), QtGui.QIcon.Normal, QtGui.QIcon.Off)

        self.actionexit.setIcon(icon3)

        self.actionexit.setObjectName("actionexit")

        self.actionexit.triggered.connect(self.exit)

 

        self.toolBar.addAction(self.actionopenpic)

        self.toolBar.addAction(self.action)

        self.toolBar.addAction(self.action_2)

        self.toolBar.addAction(self.actionexit)

 

        self.retranslateUi()

        QtCore.QMetaObject.connectSlotsByName(self)

        self.init_all()

 

【常用评估参数介绍】

在目标检测任务中,评估模型的性能是至关重要的。你提到的几个术语是评估模型性能的常用指标。下面是对这些术语的详细解释:

  1. Class
  • 这通常指的是模型被设计用来检测的目标类别。例如,一个模型可能被训练来检测车辆、行人或动物等不同类别的对象。
  1. Images
  • 表示验证集中的图片数量。验证集是用来评估模型性能的数据集,与训练集分开,以确保评估结果的公正性。
  1. Instances
  • 在所有图片中目标对象的总数。这包括了所有类别对象的总和,例如,如果验证集包含100张图片,每张图片平均有5个目标对象,则Instances为500。
  1. P(精确度Precision)
  • 精确度是模型预测为正样本的实例中,真正为正样本的比例。计算公式为:Precision = TP / (TP + FP),其中TP表示真正例(True Positives),FP表示假正例(False Positives)。
  1. R(召回率Recall)
  • 召回率是所有真正的正样本中被模型正确预测为正样本的比例。计算公式为:Recall = TP / (TP + FN),其中FN表示假负例(False Negatives)。
  1. mAP50
  • 表示在IoU(交并比)阈值为0.5时的平均精度(mean Average Precision)。IoU是衡量预测框和真实框重叠程度的指标。mAP是一个综合指标,考虑了精确度和召回率,用于评估模型在不同召回率水平上的性能。在IoU=0.5时,如果预测框与真实框的重叠程度达到或超过50%,则认为该预测是正确的。
  1. mAP50-95
  • 表示在IoU从0.5到0.95(间隔0.05)的范围内,模型的平均精度。这是一个更严格的评估标准,要求预测框与真实框的重叠程度更高。在目标检测任务中,更高的IoU阈值意味着模型需要更准确地定位目标对象。mAP50-95的计算考虑了从宽松到严格的多个IoU阈值,因此能够更全面地评估模型的性能。

这些指标共同构成了评估目标检测模型性能的重要框架。通过比较不同模型在这些指标上的表现,可以判断哪个模型在实际应用中可能更有效。

【使用步骤】

使用步骤:

(1)首先根据官方框架ultralytics安装教程安装好yolov11环境,并安装好pyqt5

(2)切换到自己安装的yolo11环境后,并切换到源码目录,执行python main.py即可运行启动界面,进行相应的操作即可

【提供文件】

python源码

yolo11n.pt模型

训练的map,P,R曲线图(在weights\results.png)

测试图片600张(在test_img文件夹下面)

注意不提供训练的数据集

创作时间: