Python+yolo11+pyqt5实现数据划分、模型训练、预测分类

本项目包含划分数据，模型训练，预测分类三个UI界面及功能实现，各个界面可以通过点击相应的按钮进行跳转。

划分数据集

在划分数据界面，通过点击选择图片和标签路径按钮可以设置需要划分的图片和标签路径，点击设置划分后的图片和标签路径设置划分后的图片和标签路径。

例如：

图片路径：D:\software\Pycharm\project\pytorch\yolo11-pyqt\dataset\VOCdevkit\JPEGImages

标签路径：D:\software\Pycharm\project\pytorch\yolo11-pyqt\dataset\VOCdevkit\labels

划分后的图片路径：D:\software\Pycharm\project\pytorch\yolo11-pyqt\dataset\images

划分后的标签路径：D:\software\Pycharm\project\pytorch\yolo11-pyqt\dataset\labels

验证集和测试集的比例范围为0~1，0.1代表10%，例如验证集比例10%，测试集比例10%，则输入0.1，0.1，训练集自动划分为80%。

点击开始划分按钮，可以看到训练集，验证集，测试集的大小。

模型训练

在模型训练界面，可以先选择划分好的图片数据地址，例如：D:\software\Pycharm\project\pytorch\yolo11-pyqt\dataset\images

填写相关参数，Epoch代表训练的轮次，Batch Size一般设置16，可以根据自己电脑的配置自行更改，Divice是选择哪一个GPU进行训练，如果自己的电脑配置比较好可以把Workers设置的高一些，官网推荐的是8，具体参数介绍可以参考链接：Model Training with Ultralytics YOLO - Ultralytics YOLO Docs

可以自行选择训练结果保存地址，例如：D:\software\Pycharm\project\pytorch\yolo11-pyqt\runs\train

也可以自己设置训练结果保存的名称。

点击结果展示可以展示PR曲线、Precision等训练的结果。

点击预测分类按钮可以跳转到预测界面。

预测分类

先点击选择模型按钮选择训练好的模型，例如：D:\software\Pycharm\project\pytorch\yolo11-pyqt\runs\train\exp\weights\best.pt

点击图片检测，可以选择测试集中的一张为例，会在下方打印被检查物体的类别和坐标信息。

点击视频检测可以对视频进行检测，点击暂停检测则会停止在当前帧。

点击摄像头检测可以进行实时检测。

环境配置：可以在控制台运行pip install -r requirements.txt安装所需的环境包，本项目环境和yolo11环境基本一致，多了qt的包。我个人的运行环境如下所示，仅供参考（包含了一些该项目用不到的环境）