更多目标检测、图像分类识别、目标追踪、图像分割、图像检索等项目可看我主页其他文章

功能演示（看shi pin 下面的简介）：

https://www.bilibili.com/video/BV1SKkYB1EZh/?spm_id_from=333.1387.upload.video_card.click&vd_source=23ce57e8cf06ed0fb5cf39f62df5d51b

（一）简介

基于Faster-RCNN的电动车戴头盔检测系统在pytorch框架下实现的，这是一个完整的项目，包括代码，数据集，训练好的模型权重，模型训练记录，GUI界面和各种模型指标等。

GUI界面由pyside6设计实现，界面简洁、突出功能，不是那些花里胡哨烂大街的界面

可用笔记本摄像头或者外接USB摄像头

该项目可在pycharm和anaconda搭建的虚拟环境 或者 vscode和anaconda搭建的虚拟环境 执行的

pycharm和anaconda安装和配置可观看教程：

超详细的pycharm+anaconda搭建python虚拟环境_pycharm anaconda环境搭建-CSDN博客

vscode和anaconda安装和配置可观看教程： 

保姆级的vscode+anaconda搭建python虚拟环境-CSDN博客

（二）项目介绍

1. 模型训练与验证（具体步骤看项目使用说明文档）

第一步：模型训练

​（1）修改pascal_voc_classes.json中的类别名称，注意与数据集中的类别名称对应

（2）将VOCdevkit/VOC_DATA/JPEGImages、VOCdevkit/VOC_DATA/Annotations替换为自己数据集

（3）将VOCdevkit/VOC_DATA/ImageSets/Main中的train.txt、val.txt替换为自己数据集的train.txt、val.txt（可运行split_data.py生成覆盖原数据集的train.txt、val.txt）

（4）修改train_res50_fpn.py中下面的`--num-classes`参数为自己数据集的类别数

（5）train_res50_fpn.py，训练完成后模型权重保存在save_weights文件夹中，指标图表保存在results文件夹中

第二步：模型验证

（1）修改validation.py中`--num-classes`参数为自己数据集的类别数

（2）修改validation.py中`----weights-path`参数为自己训练好的权重文件路径，在save_weights文件夹中

（3）运行validation.py验证脚本，验证结果保存在results文件夹中
 

2. 数据集 

​​​​​部分数据展示： 

​​

​

3.GUI界面（技术栈：pyside6+python+opencv） 

a.GUI初始界面

​​

b.图像检测界面

​​​

c.视频或摄像实时检测界面 

​​​​

4.模型训练和验证的一些指标及效果

​​​​

​​​ ​​​

（三）项目结构

​​

（四）总结

以上即为整个项目的介绍，完整的项目包括代码，数据集，训练好的模型权重，模型训练记录，GUI界面和各种模型指标等 

整个项目包含全部资料，一步到位，拿来就用，省心省力！

若项目使用过程中出现问题，请及时沟通！