B站：宋大水

道路地标检测，YOLOv5/v8/11/12+PyQt+MySQL_哔哩哔哩_bilibili

目录

1. 前言

2. 项目展示

2.1 五次对比试验

2.2 登录界面

2.3 检测界面

2.4 训练结果部分展示

2.5 资源获取

3. 代码运行

3.1 数据集

3.2 python环境配置

3.3 mysql数据库

1. 前言

大家好，这里是宋大水，今天给大家分享的是道路地标检测模型，主要用到的技术包括YOLO目标检测模型、MySQL数据库和PyQt的检测界面。工作量有登录、注册、图片检测、视频检测和摄像头流的检测，五次对比试验（YOLOv5s，YOLOv8s，YOLO11s，YOLO12s和基于transformer的RT-DETR）。

2. 项目展示

2.1 五次对比试验

仅展示部分数据，文档中包含所有数据

	P	R	mAP	mAP50-95	参数量（M）	GFLOPs	FPS(4060TI)
YOLOv5s	0.894	0.843	0.9		17.6	23.8	170.67
YOLOv8s	0.864	0.883	0.911	0.702	21.4	28.4	163.84
YOLO11s	0.866		0.892	0.698	18.2		159.08
YOLO12s	0.856	0.822	0.871	0.655		21.2	114.44
RT-DETR	0.921	0.915		0.715	63.1	103.5	54.54

选择了目前主流的v5，v8，11，12和RT-DERT这五个模型进行训练，从表中可以看出RT-DERT它的FPS的数值很低，所以如果想要一个在精度和推理速度相平衡的模型来说，YOLO系列检测模型无疑还是比较好的选择，在YOLO系列的这四个模型中，YOLOv8s的检测性能相对来说是最好的。

2.2 登录界面

这个界面由PyQt设计，具备两个功能，一个是登录功能，一个是注册功能，使用了MySQL数据库，因此我们在登录前首先要配置好数据库，才可以进行注册和登录，登录进去后进行目标检测功能。

2.3 检测界面

这个检测界面也是由PyQt所设计的，所以可以选择四个检测模型pt文件，分别是v5,v8,11和12，选择需要检测的资源，例如图片，视频，摄像头和rtsp流，设置好置信度和IOU，选择是否要将检测结果保存到文件夹，然后点击下方的推理按钮即可开始推理检测。

2.4 训练结果部分展示

在这里展示一些重要的训练结果图片（F1曲线、P-R曲线、训练结果和训练图片）

2.5 资源获取

1.b站搜宋大水（可从置顶视频链接直接跳转），视频置顶链接点击购买 49.9元。

2.直接点击下方购买链接：

mall.bilibili.com/neul-next/detailuniversal/detail.html?isMerchant=1&page=detailuniversal_detail&saleType=10&itemsId=13524332&loadingShow=1&noTitleBar=1&track_id=__BGMT__&from=&from_spmid=__SPMID__&msource=cps_comments_513434405_cont-1-115517557899354

3. 代码运行

3.1 数据集

本实验数据集是一个道路地标数据集，13个类别，部分图像如下图所示。

​​

 data.yaml配置文件如下：

​​

3.2 python环境配置

本代码运行需要安装一些深度学习包，例如PyTorch，Torchvision，opencv，ultralytics等。

大家可以看上面这个视频学习如何安装深度学习环境。

3.3 mysql数据库

因为登录和注册功能使用到了MySQL数据库，所以我们需要安装配置下这个数据库，只需用该文件中的安装包安装mysql8数据库，然后将下面这个sql语句导入到数据库中，并且配置下LoginWindows.py文件的数据库用户名和密码即可使用。

​​

这就是本次给大家分享的目标检测项目，如需更加详细的信息，可以浏览指定的视频。