# EzYOLO

**Repository Path**: nukezh/EzYOLO

## Basic Information

- **Project Name**: EzYOLO
- **Description**: No description available
- **Primary Language**: Unknown
- **License**: Not specified
- **Default Branch**: main
- **Homepage**: None
- **GVP Project**: No

## Statistics

- **Stars**: 0
- **Forks**: 0
- **Created**: 2026-02-06
- **Last Updated**: 2026-02-06

## Categories & Tags

**Categories**: Uncategorized

**Tags**: None

## README

# EzYOLO - 本地YOLO全流程训练软件

一款纯本地运行的桌面应用程序，提供从数据导入、图像标注、YOLO模型训练到结果可视化的完整工作流程。

## 功能特性

- **数据导入**: 支持图像文件夹批量导入、视频抽帧、已有标注导入
- **图像标注**: 支持矩形框、多边形标注，快捷键操作，自动保存
- **YOLO训练**: 支持YOLOv5~YOLOv26全系列模型，训练参数可视化配置，实时进度监控
- **结果可视化**: 损失曲线、mAP指标、混淆矩阵、预测结果展示


## 安装运行


# 安装依赖
pip install -r requirements.txt

注意：

1、如果想用gpu，请自行安装cuda版的pytorch，链接https://pytorch.org/get-started/locally/，选择适配自己设备的版本

2、如果想使用yolov26，请务必把 Ultralytics 库升级到最新版本，pip install --upgrade Ultralytics

# 运行程序
python main.py


## 操作指南

### 1. 项目创建与管理
<img width="1132" height="434" alt="image" src="https://github.com/user-attachments/assets/cb6c7f38-2888-4db1-9e75-715025ec5125" />

#### 创建新项目
1. 启动EzYOLO应用
2. 在主界面点击"新建项目"按钮
3. 填写项目名称
4. 选择项目类型（默认为目标检测）
5. 点击"创建"按钮完成项目创建


#### 选择现有项目
1. 在主界面的项目列表中选择一个项目
2. 点击"打开项目"按钮进入项目

### 2. 数据导入
<img width="1130" height="692" alt="image" src="https://github.com/user-attachments/assets/ea6f4a2f-0019-4a9c-96fd-3713409ac3c4" />

#### 导入图像文件夹
1. 进入项目后，切换到"导入"页面
2. 点击"📁 导入文件夹"按钮
3. 选择包含图像的文件夹
4. 等待导入完成，查看导入结果

#### 导入视频
1. 进入项目后，切换到"导入"页面
2. 点击"🎬 导入视频"按钮
3. 选择视频文件
4. 设置抽帧间隔（默认30帧抽取1帧）
5. 等待视频处理完成，查看导入的帧

#### 导入已有标注
1. 进入项目后，切换到"导入"页面
2. 点击"📝 导入标注"按钮
3. 选择包含标注文件的文件夹
4. 等待导入完成，查看导入结果


### 3. 图像标注
<img width="1132" height="718" alt="image" src="https://github.com/user-attachments/assets/4ec6e082-076d-4483-a7c7-17bb227504c4" />

#### 基本标注操作
1. 进入项目后，切换到"标注"页面
2. 在左侧图片列表中选择一张图片
3. 在右侧工具栏选择标注工具（矩形框、多边形等）
4. 在中间画布上绘制标注
5. 选择标注类别
6. 标注会自动保存

#### 快捷键操作
- **Ctrl+Z**: 撤销上一步操作
- **Ctrl+Y**: 重做操作
- **Delete**: 删除选中的标注
- **空格键**: 快速切换到下一张图片
- **Enter**: 完成当前标注

<img width="518" height="551" alt="image" src="https://github.com/user-attachments/assets/61dd2ecd-fdb7-4a8e-b328-6446ed0a936b" />

#### 自动标注
1. 进入项目后，切换到"标注"页面
2. 点击顶部工具栏的"🤖 自动标注"按钮
3. 选择"⚙️ 设置"进行模型配置
4. 选择模型类型和参数
5. 点击"🔍 单张推理"或"📋 批量推理"开始自动标注
6. 查看自动标注结果并进行必要的调整


### 4. 模型训练
<img width="1088" height="707" alt="image" src="https://github.com/user-attachments/assets/3832ae26-c3d0-4650-87eb-bcb5a3a7071c" />

#### 配置训练参数
1. 进入项目后，切换到"训练"页面
2. 在左侧配置面板选择模型版本和型号
3. 调整训练参数（epochs、batch size、learning rate等）
4. 选择数据集划分比例
5. 设置数据增强选项

#### 开始训练
1. 点击"▶ 开始训练"按钮
2. 在右侧监控面板查看训练进度
3. 观察损失曲线和mAP指标的变化
4. 等待训练完成

#### 训练结果
1. 训练完成后，在"结果"页面查看详细结果
2. 查看训练指标和模型性能
3. 导出训练好的模型
4. 分析混淆矩阵和预测结果

### 5. 模型导出

#### 导出为PT文件
1. 在"结果"页面，选择一个训练任务
2. 点击"导出为pt"按钮
3. 选择保存路径
4. 等待导出完成

#### 导出结果文件夹
1. 在"结果"页面，选择一个训练任务
2. 点击"导出结果文件夹"按钮
3. 选择保存路径
4. 等待导出完成

### 6. 高级功能

#### 类别管理
1. 在"标注"页面，点击右侧面板的"类别管理"按钮
2. 添加、编辑或删除类别
3. 为每个类别设置颜色
4. 点击"保存"按钮应用更改

#### 批量操作
1. 在"标注"页面，点击顶部工具栏的"批量操作"按钮
2. 选择批量操作类型（如批量删除、批量修改类别等）
3. 选择要操作的图片
4. 执行批量操作

#### 设置
1. 在主界面点击"设置"按钮
2. 调整应用主题
3. 设置预训练模型路径
4. 调整自动保存间隔
5. 点击"保存设置"按钮应用更改

### 7. 常见问题

#### 模型下载失败
- 检查网络连接
- 确保预训练模型路径有写入权限
- 尝试手动下载模型并放入pretrained文件夹

#### 视频导入卡住
- 视频文件过大时可能需要较长时间
- 应用会在后台处理视频，不会阻塞界面
- 可以查看进度条了解处理状态

#### 训练内存不足
- 减小batch size
- 减小image size
- 使用更小的模型（如nano版本）

#### 标注自动保存
- 标注会在绘制完成后自动保存
- 可以在设置中调整自动保存间隔
- 建议定期备份projects文件夹

### 8. 性能优化

#### 提高标注速度
- 使用快捷键操作
- 利用自动标注功能
- 合理组织图片和类别

#### 提高训练速度
- 使用GPU加速
- 调整batch size和workers数量
- 使用预训练模型

#### 减少内存使用
- 关闭不需要的应用程序
- 清理临时文件和缓存
- 定期清理runs和datasets文件夹