功能:基于YOLOv6的快递包裹检测系统,同时采用YOLOv6深度学习算法,基于Streamlit的交互式Web应用界面设计。在Web网页中可以支持图像、视频和实时摄像头进行快递包裹检测,可上传不同训练模型(YOLOv6)进行推理预测,在网页上显示检测结果,也可选择单个目标显示,检测过程结果记录并显示在网页表格中,可导出检测结果为csv文件和导出带标注框的结果视频文件。附带了完整的网页设计、深度学习模型代码、训练数据集的完整资源。
付费完成后面包多网站会在本页面下方自动解锁资源下载链接,滑动页面到下方就能看到了,点击下载即可。
此代码资源包为本人在 CSDN 、知乎、博客园等平台上分享的博文:基于深度学习的快递包裹检测系统(网页版+YOLOv8/v7/v6/v5代码+训练数据集)中分享的完整代码和资源整合。包含训练数据集、训练代码、UI界面代码、深度学习模型等完整资源。
网页功能与效果
完整安装运行教程:
这个项目的运行需要用到Anaconda和Pycharm两个软件,下载到资源代码后,您可以按照以下链接提供的详细安装教程操作即可运行成功,如仍有运行问题可私信博主解决:
(1)Pycharm和Anaconda的安装教程:https://deepcode.blog.csdn.net/article/details/136639378;
软件安装好后需要为本项目新建Python环境、安装依赖库,并在Pycharm中设置环境,这几步采用下面的教程可选在线安装(pip install直接在线下载包)或离线依赖包(博主提供的离线包直接装)安装两种方式之一:
(2)Python环境配置教程:https://deepcode.blog.csdn.net/article/details/136639396(2,3方法可选一种);
(3)离线依赖包的安装指南:https://deepcode.blog.csdn.net/article/details/136650641(2,3方法可选一种);
如使用离线包方式安装,请下载离线依赖库,下载地址:https://pan.baidu.com/s/1uHbU9YzSqN0YP_dTHBgpFw?pwd=mt8u
(提取码:mt8u)。