Yolov5/8的小程序部署前后端实现

导语

毕设的题目与Yolo系列的图像识别相关，通过搜查了很多资料和实践最后完成，看到某些平台上居然卖300+，觉得很离谱，所以决定把代码开源，解决毕业生们的燃眉之急。给出的原码经过测试在本机上无论是Yolov5还是Yolov8都能运行，以及v5和v8的区别不大，只需要改一两行模型的调用即可，因此只用一个代码块来表述。

本机配置

需要注意的是，对于模型的训练和预测使用，我个人还是建议去租卡跑，也不算很贵，一小时大概几毛钱，我的数据量约为5k，跑六七个小时大概就能跑完了，但是单纯的调用模型就不用考虑这么多了

硬件

环境配置

在训练模型的时候一定要考虑显卡的驱动版本和CUDA版本之间的对应关系，Yolov8的CUDA版本要求较高，导致对应的驱动版本也要求较高，然后Yolov5的CUDA版本和驱动版本之间的对应关系也和Yolov8重合的不是很多，在调用和使用的时候如果对应关系有问题可能会导致结果有问题。

前端实现

这里只给出效果图，由于代码和所用的素材较多，因此将原码上传到github，代码都写上了注释，应该阅读起来不是很费劲，其中涉及到html和js的部分请自学。

前端代码

后端实现

代码很简单，但是需要自学一下Flask的基本用法和如何通过前端来调用，详细解释都在代码注释里了，看不懂可以在评论区问，使用的时候要先启动后端，确保后端一直运行，才能开始进行前端的操作。

import os

import numpy as np
import torch.hub
from ultralytics