PyQt5 結合神經網絡做可視化訓練數據集界面（PyQt5 tiny-yolo）

目前從事深度學習的工作，在訓練模型的時候，每次都要修改源碼的參數，感覺比較麻煩，所以想着通過可視化的界面來操作，節省大量的時間。目前開源最多的神經網絡算法是用python語言，所以藉助PyQt5工具做界面，感覺非常的順手，而且PyQt5和Qt5的操作是相似的，只是用到的語言差異比較大。

項目介紹：

界面用到PyQt5工具，邏輯和操作相對的簡單：

所有的源碼將傳到github，希望可以幫到大家

主要的代碼：

1.讀取文件夾函數：

def load_train_pics():
    self.load_train_pic_path.clear()#首先清空顯示文件夾的框
    load_dir_path = QFileDialog.getExistingDirectory(self, "輸入文件路徑")
    if not os.path.exists(load_dir_path):
        QMessageBox.warning(self, "提示", "輸入文件目錄不存在，請重新選擇")
        return
    self.load_train_images = load_dir_path
    self.load_train_pic_path.setText(self.load_train_images)#顯示選擇的文件夾路徑
    print("加載訓練數據:", self.load_train_images)

2.選擇txt文件

# 加載類別文件
def load_class_fun(self):

    self.load_class_path.clear()#清空顯示文件的框
    classes_path, dir_type = QFileDialog.getOpenFileNames(self, "選擇文件", "datasets")
    # print("11111",input_dir_path)
    # 判斷文件合法性
    if len(classes_path):
        for each_path in classes_path:
            if ".txt" not in each_path or not os.path.exists(each_path):
                QMessageBox.warning(self, "提示", "文件選擇錯誤，請重新選擇！")
                return
        self.class_path = classes_path[0]
        self.load_class_path.setText(self.class_path)#顯示選擇的文件路徑
        print("輸入訓練文件:", self.class_path)
        return
    else:
        return

3.界面顯示圖片

image = QtGui.QPixmap(“exemple/image”).scaled(self.label_img_show.width(), self.label_img_show.height())
self.label_img_show.setPixmap(image)

圖片展示的大小，會根據界面label的大小定。

4.下拉框

comboBox = QtWidgets.QComboBox(self.tab_6)#創建對象
comboBox.setStyleSheet("background-color: rgb(255, 255, 255);")#設置格式
comboBox.setObjectName("comboBox")#對象名稱，用於css樣式
comboBox.addItem("")# 下拉框個數，添加多少個數，就寫多少個
comboBox.addItem("")

comboBox.setItemText(0, _translate("MainWindowv", "1"))# 填寫下拉框裏的數值

comboBox.setItemText(0, _translate("MainWindowv", "2"))

後端算法介紹：

使用的是輕量級神經網絡tiny-yolo，tiny-yolo的效果並不差，而且在訓練時候需要調參的部分不是很多，用於可視化操作界面相對

要簡單一些。

tiny-yolo用於訓練的anchors是固定值，每次要生成用於訓練和用於驗證的數據。tiny-yolo具體的源碼可參考：這個連接

下面是界面樣式：

界面的右側用於訓練模型，左側用於測試圖片，訓練分4步驟，分別按照選擇按鈕上的數字執行。

注：其中標註文件是xml格式，類別文件是用於訓練的類別名稱，格式爲txt；右側的加載類別文件同訓練中的類別文件。

右側的測試框，可以對單張圖片做測試，同時顯示在空白界面，也可批量識別圖片，生成結果文件夾。

epoch爲訓練的迭代次數，batch_size根據自己的主機配置選擇，顯存高的可以選擇大一些。