YOLO目标检测训练与测试工具 YOLO一键训练工具 基于PyQt5的现代化图形用户界面应用程序，提供了使用YOLOv8、YOLOv5和YOLO11系列模型进行目标检测的完整解决方案。

YOLO目标检测训练与测试工具是一个基于PyQt5的现代化图形用户界面应用程序，提供了使用YOLOv8、YOLOv5和YOLO11系列模型进行目标检测的完整解决方案。

YOLO目标检测训练与测试工具

🚀 一站式YOLO目标检测解决方案 | 训练 · 测试 · 推理 · 数据集转换一体化

📋 工具简介

本工具是一个基于PyQt5的现代化图形用户界面（GUI）应用程序，专为使用YOLOv5/v8/v11/v12系列模型进行目标检测任务而设计。支持从数据准备到模型训练、测试、推理的全流程操作，适用于科研、教学和工业部署场景。

🎯 核心特性

🌟 主要功能模块

1. 🎓 模型训练

• 数据集管理：设置images/train,labels/train路径
• 模型选择：下拉菜单选择yolov8n.pt,yolov5s.pt等
• 初始化模式：
  • ✨ 使用预训练权重
  • 🆕 从头开始训练
  • 📥 加载自定义.pt权重
• 微调模式：可冻结主干网络（backbone），仅训练检测头
• 超参数配置：
  • 批次大小（batch size）
  • 训练轮数（epochs）
  • 图像尺寸（imgsz）
  • 学习率（lr0）
• 进度监控：实时进度条 + 日志输出窗口

—

2. 📊 模型测试

• 模型评估：加载.pt模型进行 mAP@0.5:0.95 评估
• 参数设置：
  • 置信度阈值（conf）
  • IoU 阈值（iou）
  • 输入图像尺寸
• 结果展示：右侧区域实时显示检测效果图
• 结果保存：自动保存预测图、标签文件、评估报告
• 终端日志：同步输出测试过程与指标

3. 🔍 模型推理

• 推理模式：
  • 📸 单张图片上传
  • 📁 文件夹批量处理
• 参数调节：动态调整 conf/iou/imgsz
• 结果预览：左侧原图，右侧带框检测图
• 图像浏览器：内置结果查看器，支持缩放、翻页
• 结果导出：保存至指定目录（支持 JPG/PNG）

—

4. 🔄 数据集转换

• 源格式支持：
  • VOC XML
  • COCO JSON
• 转换目标：标准 YOLO.txt格式（归一化坐标）
• 划分方式：
  • 🔄 自动按比例划分（如 8:2）
  • ✂️ 手动指定 train/val 目录
• 输出结构：生成符合YOLO标准的数据集，包括images、labels和dataset.yaml

  output_dataset/ ├── images/ │ ├── train/ │ └── val/ ├── labels/ │ ├── train/ │ └── val/ └── dataset.yaml

🛠️ 安装要求

# 核心依赖pipinstallPyQt5==5.15.6 PyQt5-sip>=12.9.0 PyQt5-Qt5>=5.15.2# 深度学习框架pipinstalltorch>=1.10.0 torchvision>=0.11.0 pipinstallultralytics>=8.0.0# 图像与工具库pipinstallopencv-python>=4.5.5 numpy>=1.21.0 matplotlib>=3.5.1 pipinstallpycocotools>=2.0.4 PyYAML>=6.0tqdm>=4.64.0

⚠️ 推荐环境：Python 3.8+, CUDA 11.7/12.1, 显存 ≥ 8GB

📚 使用指南

启动方式

# 默认启动（标准主题）python main.py# 科技感主题启动python start_with_tech_theme.py

⚠️ 注意事项

• ✅ 确保所有依赖已正确安装
• 🚀 强烈建议使用GPU进行训练与推理以提升速度
• 💾 大型数据集请预留充足磁盘空间（≥50GB）和内存（≥16GB）
• 🔐 生产环境中建议对模型和数据路径做权限控制

---