目录

1. 前言

2. 项目展示

2.1 五次对比试验

2.2 登录界面

2.3 检测界面

2.4 训练结果部分展示

2.5 资源获取

3. 代码运行

3.1 数据集

3.2 python环境配置

3.3 mysql数据库

1. 前言

大家好，这里是宋大水，今天给大家分享的是安全帽目标检测模型，主要用到的技术包括YOLO目标检测模型、MySQL数据库和PyQt的检测界面。

主要的工作量有登录、注册、图片检测、视频检测和摄像头流的检测，四次对比试验（YOLOv5s,YOLOv8s,YOLO11s,YOLO12s）。为了进一步提升模型的性能，还在表现最好的yolo12s模型的基础上进行改进优化，加入了SE注意力机制和修改损失函数为WIOU。

2. 项目展示

2.1 五次对比试验

	P	R	mAP	mAP50-95	参数量（M）	GFLOPs
YOLOv5s	0.908	0.855	0.917	0.593	17.6	23.8
YOLOv8s	0.91	0.87	0.916	0.596	21.4	28.4
YOLO11s	0.908	0.875	0.92	0.6	18.3	21.3
YOLO12s	0.903	0.879	0.921	0.6	18.1	21.2
YOLO12s+SE+WIOU	0.919	0.868	0.926	0.616	18.1	21.2

选择了目前主流的v5,v8,11,12这四个模型进行训练，从表中可以看出YOLO12s的最终表现结果最好。在表现最好的yolo12s模型的基础上进行改进优化，加入了SE注意力机制和修改损失函数为WIOU。

2.2 登录界面

这个界面由PyQt设计，具备两个功能，一个是登录功能，一个是注册功能，使用了MySQL数据库，因此我们在登录前首先要配置好数据库，才可以进行注册和登录，登录进去后进行目标检测功能。

2.3 检测界面

​

这个检测界面也是由PyQt所设计的，因为我们训练了五次，所以可以选择五个检测模型pt文件，分别是v5,v8,v11,v12和v12-se，选择需要检测的资源，例如图片，视频，摄像头和rtsp流，设置好置信度和IOU，选择是否要将检测结果保存到文件夹，然后点击下方的按钮即可开始推理检测。

2.4 训练结果部分展示

在这里展示一些表现最好的YOLO12s-se-wiou的重要的训练结果图片（F1曲线、P-R曲线、训练结果和训练图片）。

​

​

​

​

2.5 资源获取

大家可以点击顶端的B站视频评论区置顶链接获取相关资源。

​

3. 代码运行

3.1 数据集

安全帽检测【清洗版】2.0_数据集-飞桨AI Studio星河社区

本实验数据集是一个安全帽检测数据集，如下图所示。

​

3.2 python环境配置

本代码运行需要安装一些深度学习包，例如PyTorch，Torchvision，opencv，ultralytics等。

大家可以看上面这个视频学习如何安装深度学习环境。

3.3 mysql数据库

因为登录和注册功能使用到了MySQL数据库，所以我们需要安装配置下这个数据库，只需用该文件中的安装包安装mysql8数据库，然后将下面这个sql语句导入到数据库中，并且配置下LoginWindows.py文件的数据库用户名和密码即可使用。

​

这就是本次给大家分享的目标检测项目，如需更加详细的信息，可以看置顶的B站视频，谢谢。v