文末获取完整源码+1700张数据集+配置说明+文件说明+远程操作配置环境跑通程序等

---

技术栈关键词

目标检测、深度学习、PyTorch、YOLOv5、Python、PyQt5

使用的工具：Anaconda、PyCharm、Qt Designer、Labelimg

系统功能

支持图片、视频、摄像头检测；展示检测结果及可视化；保存检测识别结果。
可以检测识别2类：拴绳（linkdog）、狗（dog）

数据集介绍

数量1700+张标注好的数据集，包含2种目标对象（拴绳（linkdog）、狗（dog）），具体情况如下图表所示。

训练好的模型

模型已经训练好了，训练了300轮，整体精确率达到65%，召回率达到70%，平均精确率mAP50达到70%；具体评价指标如下图表所示。

mAP (mean Average Precision)：平均精度均值是目标检测领域中最常用的评价指标之一。它衡量的是模型在不同IoU（Intersection over Union，交集与并集的比值）阈值下的性能。mAP通常在0到1之间，值越高表示模型性能越好。mAP50-95是一个更严格的评价指标，它计算了在50-95%的IoU阈值范围内的mAP值，然后取平均，这能够更准确地评估模型在不同IoU阈值下的性能。

Precision (精度)：精度是评估模型预测正确的正样本的比例。它表示在所有被模型预测为正类的样本中，实际为正类的比例。

Recall (召回率)：召回率是评估模型对真实目标检测率的指标。它表示模型正确预测出的目标数量与真实目标数量的比例。

项目文件介绍

项目导入运行教程

1、安装Anaconda完成后，打开conda命令行，输入以下命令创建虚拟环境。

conda create -n py39 python=3.9

2、创建完成后，输入以下命令激活虚拟环境。

conda activate py39

3、输入以下命令进行该项目文件夹内。

cd 该项目文件目录内路径

4、输入以下命令安装所需的库。

pip install -r requirements.txt -i https://pypi.tuna.tsinghua.edu.cn/simple

5、安装完成后使用PyCharm打开该项目，为该项目设置以上创建的虚拟环境，运行MainProgram.py文件即可显示该系统界面。

---

点击下方小卡片，那边对话框发送“资源”两个字

获取完整源码+数据集+源码说明+配置跑通说明+远程操作配置环境跑通程序+定制配套LunWen等