集yolov5、centernet、unet算法的pyqt5界面，可实现图片目标检测和语义分割
Python>=3.6.0，可以用anconda创建python虚拟环境
conda create -n your_env_name python=x.x
然后进入所创建的环境，下载所需安装包
activate your_env_name
pytorch可前往官网下载，选择符合自己的版本下载
注意!!!PyTorch>=1.7
在自己的创建虚拟环境下输入
pip install -r requirements.txt
直接下载requirements.txt中所需功能包：
matplotlib>=3.2.2
numpy>=1.18.5
opencv-python>=4.1.2
Pillow>=7.1.2
PyYAML>=5.3.1
requests>=2.23.0
scipy>=1.4.1
torch>=1.7.0
torchvision>=0.8.1
tqdm>=4.41.0
pandas>=1.1.4
seaborn>=0.11.0
安装完环境后，直接运行main_qt.py文件即可
model_data中的权重文件下载
链接：https://pan.baidu.com/s/1vVPrdvuzCWyaXCnB-_6AeA 提取码：z54u
运行结果
注意导入文件不要有中文路径和中文名称！！！
否则会报错
若文件路径有中文一定要更改路径或修改名称。
Qt_yolo.ui为Qtdesigner生成的UI文件Qt_yolo.py为PyUIC将Qt_yolo.ui转换的py文件main_qt_qthead.py为使用QT多线程编写，有bugpredict_yolo.py为yolov5的检测文件，可直接运行predict_cen.py为centernet的检测文件，可直接运行predict_unet.py为unet的检测文件，可直接运行centernet.py为centernet的网络结构文件unet.py为unet的网络结构文件icon文件夹储存了qt界面的背景和图标data储存了待检测的图片及视频文件model_data储存了yolov5、centernet、unet的权重文件md储存了yolov5和centernet的官方说明文档