【学习过程】pycharm激活
基于YOLOv8+pyqt5实现的过马路玩手机打电话检测告警系统源码(GUI界面+数据集+模型+评估曲线+部署说明)
检测斑马线、玩手机、打电话、行人、车辆、其他。简易的GUI界面，含有训练好的模型、评估指标曲线、数据集、详细部署操作文档，有问题可以私信留言。
以下内容为项目部署详细过程和说明
1、项目代码分为两部分
main_gui_code和ultralytics，其中main_gui_code代码包含GUI界面代码+训练好的模型+YOLOv8推理逻辑融合GUI的代码，也就是说这部分可以打开GUI界面，加载模型和图片、视频、视频流
进行测试。ultralytics则为YOLOv8源代码，可用来训练各种模型，当然也可以用来测试，输出结果，只不过不带GUI界面。故我们使用ultralytics来训练模型，然后拷贝模型到main_gui_code中，
进行GUI界面测试。
2、搭建环境
安装anaconda 和 pycharm windows系统、mac系统、Linux系统都适配
在anaconda中新建一个新的envs虚拟空间(可以参考博客来)，命令窗口执行：conda create -n YOLOv8-GUI python==3.8
创建完YOLOv8-GUI虚拟空间后，命令窗口执行：source activate YOLOv8-GUI 激活虚拟空间
然后就在YOLOv8-GUI虚拟空间内安装requirements.txt中的所有安装包，命令窗口执行：pip install -r requirements.txt
使用清华源安装更快
3、打开GUI推理测试
当以上步骤顺利完成后，环境已经搭建完毕，下面我们尝试打开GUI界面进行测试
pycharm中打开整个项目，导入配置anaconda安装的YOLOv8-GUI虚拟环境(参考博客)
运行main_jiemian.py即可成功打开界面，模型文件放在main_gui_code/models/文件夹，后缀为.pt。可以存放多个模型，可通过界面来选择要使用的模型
点击选择模型按钮选择pt模型，然后点击选择路径按钮，选择待测图片或者视频，最后点击开始检测按钮，开始推理测试并显示画框及得分值
4、训练模型过程
进入到邺lytics邺lyticsyolov8detect文件夹下，datasets即为我们准备好的数据集，训练其他模型同理。
data文件夹下的cross_line.yaml文件为数据集配置文件，博文有介绍https://blog.csdn.net/DeepLearning_?spm=1011.2415.3001.5343
train.py中208行，修改为的data = cfg.data or 'https://blog.csdn.net/admin9621/article/details/cross_line.yaml' # or yolo.ClassificationDataset("mnist")
207行修改自己使用的预训练模型
若自己有显卡，修改211行，如我有四张显卡，即改成args = dict(model=model, data=data, device=”0,1,2,3“)
以上配置完成后运行train.py开始训练模型，训练完毕后会在runs/detect/文件夹下生成train*文件夹，里面包含模型和评估指标等
5、无GUI推理测试
训练好模型，打开predict.py，修改87行，model = cfg.model or 'yolov8n.pt'，把yolov8n.pt换成我们刚才训练完生成的模型路径，待测试的图片或者视频存放于ultralytics邺lyticsassets文件夹，
运行predict.py即可，检测结果会在runs/detect/train文件夹下生成。
【资源说明】
1、该资源内项目代码都是经过测试运行成功，功能ok的情况下才上传的，请放心下载使用！
2、本项目适合计算机相关专业(如计科、人工智能、通信工程、自动化、电子信息等)的在校学生、老师或者企业员工下载使用，也适合小白学习进阶，当然也可作为毕设项目、课程设计、作业、项目初期立项演示等。
3、如果基础还行，也可在此代码基础上进行修改，以实现其他功能。
