在界面中可以选择各种图片、视频进行检测识别

　　💡💡💡本文主要内容:详细介绍了足球赛环境下足球目标检测系统，在介绍算法原理的同时，给出Pytorch的源码、训练数据集以及PyQt6的UI界面。在界面中可以选择各种图片、视频进行检测识别，可进行置信度、Iou阈值设定，结果可视化等。

　　数据集大小一共2724张，，按照8:1:1进行训练集、验证集、测试集随机区分。

　　一共只有一个类别，为football

　　细节图：

　　​

　　F1_curve.png：F1分数与置信度（x轴）之间的关系。F1分数是分类的一个衡量标准，是精确率和召回率的调和平均函数，介于0，1之间。越大越好。

　　TP：真实为真，预测为真；

　　FN：真实为真，预测为假；

　　FP：真实为假，预测为真；

　　TN：真实为假，预测为假；

　　精确率（precision）=TP/(TP+FP)

　　召回率(Recall)=TP/(TP+FN)

　　F1=2*（精确率*召回率）/（精确率+召回率）

　　PR_curve.png ：PR曲线中的P代表的是precision（精准率），R代表的是recall（召回率），其代表的是精准率与召回率的关系。

　　R_curve.png ：召回率与置信度之间关系

　　results.png

　　mAP_0.5:0.95表示从0.5到0.95以0.05的步长上的平均mAP.

　　预测结果：

　　​​

　　受益于人工智能的崛起，Python语言几乎以压倒性优势在众多编程语言中异军突起，成为AI时代的首选语言。在很多情况下，我们想要以图形化方式将我们的人工智能算法打包提供给用户使用，这时候选择以python为主的GUI框架就非常合适了。

　　PySide是Qt公司的产品，PyQt是第三方公司的产品，二者用法基本相同，不过在使用协议上却有很大差别。PySide可以在LGPL协议下使用，PyQt则在GPL协议下使用。

　　PySide目前常见的有两个版本：PySide2和PySide6。PySide2由C++版的Qt5开发而来.，而PySide6对应的则是C++版的Qt6。从PySide6开始，PySide的命名也会与Qt的大版本号保持一致，不会再出现类似PySide2对应Qt5这种容易混淆的情况。

　　基于PySide6开发GUI程序包含下面三个基本步骤：

　　运行

　　​原文：

　　by AI小怪兽