# yolo-trainer
**Repository Path**: CZJpython/yolo-trainer
## Basic Information
- **Project Name**: yolo-trainer
- **Description**: No description available
- **Primary Language**: Unknown
- **License**: MIT
- **Default Branch**: main
- **Homepage**: None
- **GVP Project**: No
## Statistics
- **Stars**: 0
- **Forks**: 0
- **Created**: 2026-08-06
- **Last Updated**: 2026-08-06
## Categories & Tags
**Categories**: Uncategorized
**Tags**: None
## README
# YOLO Trainer
简介在哔哩哔哩！点击链接看使用教程！
【不会视觉检测？嫌Yolo训练太麻烦？我为你们带来了一站式训练工具！小白瞬间上手！】 https://www.bilibili.com/video/BV1N9Nt6zE7o/?share_source=copy_web&vd_source=6f709a4591475a827d8f0e8b3cbfc39f
and YouTube
https://youtu.be/f5tu9Om_j8g
> 一站式 YOLO 目标检测工具：视频抽帧 → 图片标注 → 模型训练 → 目标检测
## 功能
### 视频抽帧
- 支持 MP4/AVI/MOV/MKV 等格式
- 4种抽帧模式：按帧率、按间隔、场景变化检测、运动检测
- 实时预览，拖拽支持
### 图片标注
- 鼠标拖拽绘制矩形标注框
- 多类别管理
- 一键导出 YOLO 格式数据集（自动划分 train/val）
### 模型训练
- 支持 YOLOv8 / YOLO11 全系列（n/s/m/l/x）
- GPU/CPU 自动检测，支持 CUDA 加速
- 可调参数：Epochs、Batch Size、Image Size、Device
### 目标检测
- 支持图片、视频、摄像头实时检测
- 可调置信度和 IoU 阈值
- 导出 CSV 检测结果
- 保存标注后的图片/视频
### 其他
- 中英文双语界面
- 深色主题，现代 UI 设计
- 开箱即用，无需配置环境
## 快速开始
### 方式一：直接使用（推荐）
下载releases中的 `YOLO-Trainer.zip`
2. 解压后双击 `第一次启动先点此文件！！！！！.bat` 安装依赖
3. 双击 `YOLO-Trainer.exe` 启动
### 方式二：源码运行
```bash
# 克隆仓库
git clone https://github.com/wjjijifujiji-sys/yolo-trainer.git
cd yolo-trainer
# 安装依赖
pip install -r requirements.txt
# 运行
python main.py
```
## 使用流程
```
视频抽帧 → 图片标注 → 导出数据集 → 模型训练 → 目标检测
```
1. **视频抽帧**：导入视频，选择抽帧模式，导出图片
2. **图片标注**：导入图片文件夹，添加类别，绘制标注框
3. **导出数据集**：一键导出 YOLO 格式，自动划分训练集/验证集
4. **模型训练**：选择数据集和模型，开始训练
5. **目标检测**：加载训练好的模型，检测图片/视频/摄像头
## 支持的模型
| 模型 | 参数量 | 推荐场景 |
|------|--------|----------|
| yolov8n / yolo11n | ~3M | 快速训练、边缘部署 |
| yolov8s / yolo11s | ~11M | 平衡速度与精度 |
| yolov8m / yolo11m | ~25M | 中等规模数据集 |
| yolov8l / yolo11l | ~43M | 高精度需求 |
| yolov8x / yolo11x | ~68M | 最高精度 |
## GPU 支持
### NVIDIA GPU (CUDA)
1. 安装 [CUDA Toolkit](https://developer.nvidia.com/cuda-downloads)
2. 安装 [cuDNN](https://developer.nvidia.com/cudnn)
3. 安装 PyTorch with CUDA：
```bash
pip install torch torchvision --index-url https://download.pytorch.org/whl/cu124
```
### AMD GPU (ROCm)
```bash
pip install torch torchvision --index-url https://download.pytorch.org/whl/rocm6.0
```
### CPU Only
```bash
pip install torch torchvision --index-url https://download.pytorch.org/whl/cpu
```
## 项目结构
```
yolo-trainer/
├── main.py # 程序入口
├── requirements.txt # Python 依赖
├── 启动.bat # Windows 启动脚本
├── ui/ # 界面模块
│ ├── main_window.py # 主窗口
│ ├── extract_page.py # 视频抽帧页面
│ ├── annotate_page.py # 图片标注页面
│ ├── detect_page.py # 目标检测页面
│ ├── train_page.py # 模型训练页面
│ └── components.py # 通用组件
├── utils/ # 工具模块
│ ├── annotations.py # 标注管理
│ ├── dataset_parser.py # 数据集解析
│ └── i18n.py # 国际化
└── tools/ # 模型权重（需自行下载）
```
## 依赖
- PyQt6 >= 6.6.0
- ultralytics >= 8.0.0
- Pillow >= 10.0.0
- tqdm >= 4.65.0
- opencv-python >= 4.8.0
## 许可证
[MIT License](LICENSE)
## 致谢
- [Ultralytics](https://github.com/ultralytics/ultralytics) - YOLO 模型实现
- [PyQt6](https://www.riverbankcomputing.com/software/pyqt/) - GUI 框架
-
