基于QT6的目标检测推理应用

1.项目简介

基于Qt6开发的应用程序，集成多种目标检测算法。支持YOLOv8/YOLOv11闭集检测和Grounding DINO开集检测，提供PyTorch、ONNXRuntime和OpenVINO三种推理方式，满足不同场景下的高效推理需求。

2.GUI演示视频

3.检测效果展示

4.性能指标对比(GPU:TRX4060Ti，CPU：i5-13600kf)

YOLOV8/YOLOV11-GPU：

模型名称	Pytorch(FPS)	ONNX Runtime(FPS)
YOLOv8n	53.8	67.3
YOLOv8l	34.3	48.7
YOLOv11n	56.5	69.1
YOLOv11l	35.6	49.3

YOLOV8/YOLOV11-CPU：

模型名称	Pytorch(FPS)	ONNX Runtime(FPS)	OpenVINO(FPS)
YOLOv8n	29.5	45.3	50.2
YOLOv8l	13.8	32.1	38.2
YOLOv11n	30.7	47.1	52.2
YOLOv11l	14.2	34.5	37.8

Grounding DINO-GPU：

模型名称	Pytorch(FPS)	ONNX Runtime(FPS)
Grounding DINO tiny	19.2	24.8
Grounding DINO base	11.5	20.1

Grounding DINO-CPU：

模型名称	Pytorch(FPS)	ONNX Runtime(FPS)	OpenVINO(FPS)
Grounding DINO tiny	8.7	15.7	17.1
Grounding DINO base	5.2	10.3	15.5

5.安装

• 0.基础需求(推荐)
  • 系统：Windows 10 / Ubuntu 18.04 LTS
  • NVIDIA驱动：500.00.01 或 更高
  • CUDA Toolkit: 11.8 或 12.1
  • Anaconda: Anaconda3 2023.02
  • python: python>=3.8
• 1.下载

git clone https://github.com/successfulbarrier/Det-Inference-Qt6.git
cd Det-Inference-Qt6

• 2.安装依赖

pip install -r requirements.txt

• 3.运行

python ./main.py

6.参考

• PyQt5-YOLOv5
• ultralytics

7.许可证

• 本项目采用AGPL-3.0，许可证的详细信息参考LICENSE文件.

8.贡献

• 欢迎提交 Issue 和 Pull Request！