/yolov8-flask-vue-deploy

本科个人目标检测毕设

Primary LanguageVue

Yolov8-flask-vue(本科毕设)

这是一个基于ultralytics的一个部署到flask后端,然后vue作为前端所展示的一个通用的Yolo目标检测的展示页面,其实本质上类似于有着web页面外观的本地exe项目(因为数据库是个本地文件,放在sqlite上)

需要在pycharm等IDE安装好sqlite相关连接

基本上只要是ultralytics训练好的模型都可以运行,也就是说官方提供的COCO训练好的模型都可以在这个Yolo通用前端平台上使用

后端需要安装好环境才能运行,要注意先运行后端再是前端,因为前端的环境是很容易装好的

前端需要安装好Node.js到电脑上,然后只需要将,只需要在WebStorm上等随意的IDE点击 package.json 上的播放按钮就可以了

img.png

后端是flask,要安装很多的库,先安装好相应的库,IDE会提示python那些库没有安装上去的

这是毕设模型变体的训练过程,其中comet的Yolov5su当中因为VPN不稳定中间断了一些就不显示了

img.png

个人毕设训练这些模型不方便公开,这里只是提供了一个通用的YOLO实现平台,可以将自己训练好的模型放入到上面去来实现目标检测展示功能

在这个毕设里面一共是200多张图片,6个yolo模型,拉下来需要一定时间

图片上传来自于本地或者是url地址,但url地址有着严格要求

图片上传后不能修改名称,除非删除再上传,同理,模型也是如此

展示效果

img.png

img.png img.png img.png

个人环境

开发技术及工具的选择:

Windows 11

Python 3.9.13

Pytorch 1.13.1+cu117

Jetbrains-IDEA系列2022

开发环境:

数据库:使用的是sqlite本地的

硬件:电脑内存32G左右,GPU RTX A5000

Windows 11以上操作系统;

软件: Anaconda22.9.0 + python3.9.13 + Pytorch1.13.1+cu117 + Pycharm(或者是DataSpell) + WebStorm + Node.js 18.14.1 (x64)

低配部署环境:

硬件:电脑内存16G左右,GPU RTX 1050Ti

Windows 10以上操作系统;

软件: Pycharm(或者是DataSpell) + WebStorm + Node.js 18.14.1 (x64) + flask版本2.2左右

后续说明

本人现在忙着准备深大的研究生复试(❌),差一名,初试分数太低了(不到320)

备考二战,初试结束,今年11408是目前最难的一年,个人觉得408以后难度还会刷新

毕业论文已经完成

现在Yolov8库的更新情况不知道怎么样了,这个项目有半年没碰过了。。

后面会对这个项目细节相关进行说明

感谢 & 技术提供

ultralytics官网: https://github.com/ultralytics/ultralytics

img.png

img.png

实验数据记录: https://www.comet.com/site/lp/yolov5-with-comet/?utm_source=yolov5&utm_medium=partner&utm_campaign=partner_yolov5_2022&utm_content=github

img.png

前端提供: https://github.com/lin-xin/vue-manage-system