YOLOSHOW多模型目标检测的图形界面工具【免费下载链接】YOLOSHOWYOLO SHOW - YOLOv11 / YOLOv10 / YOLOv9 / YOLOv8 / YOLOv7 / YOLOv5 / RTDETR / SAM / MobileSAM / FastSAM YOLO GUI based on Pyside6项目地址: https://gitcode.com/gh_mirrors/yo/YOLOSHOW想验证 YOLO 模型的推理效果却不想写一行检测脚本或者想并排对比两个模型的输出却得每次改代码重跑YOLOSHOW 是一款集成了 YOLOv5 到 YOLOv11、RT-DETR、SAM 等算法的目标检测图形界面工具拖入文件即可在界面里直接看到检测结果。项目速览YOLOSHOW 是一个基于 PySide6 的桌面 GUI 应用覆盖目标检测、实例分割、姿态估计、旋转框检测四类任务模型侧支持 YOLOv5 到 YOLOv11 全系列以及 RT-DETR、SAM、MobileSAM、FastSAM可运行在 Windows 和 Linux 上。核心界面代码在yoloshow/目录各版本算法实现放在yolocode/下的对应子目录结构清晰方便按版本阅读。界面左侧是输入源菜单中间为检测显示区右侧面板可在运行时切换模型并调节 IOU、置信度等参数。功能拆解多种输入源从单图到实时摄像头拖拽图片文件进入窗口 → 单帧推理立即出框快速验证模型效果视频文件逐帧分析 → 底部进度条随时掌握处理位置本地摄像头 / RTSP 网络摄像头 → 实时视频流持续检测支持 HTTP 协议文件夹批量模式 → 一次跑完整个目录适合批量核验样本模型自动识别与热切换自动加载ptfiles/目录下的 .pt 文件 → 无需手动配置模型路径按文件命名区分任务类型含 -seg、-pose、-obb 后缀→ 分割、姿态模型也能被自动识别检测运行中可直接更换模型 → 不用重启程序就能看到新模型的输出四类任务与实时参数调节检测、分割、姿态、旋转框四类任务互相切换IOU、置信度、帧延迟、线条粗细随时可调 → 不重跑程序也能观察参数影响检测前开启 Save Mode → 结果自动保存到指定路径省去另存操作三步跑起来安装与启动创建 Python 3.9 虚拟环境并安装 PyTorch示例为 CUDA 11.8 版本可按本机显卡换其他 whl 后缀conda create -n yoloshow python3.9 conda activate yoloshow pip3 install torch torchvision torchaudio --index-url https://download.pytorch.org/whl/cu118克隆仓库并安装项目依赖git clone https://gitcode.com/gh_mirrors/yo/YOLOSHOW cd YOLOSHOW pip install -r requirements.txt⚠️ 界面使用自定义字体需把 fonts/Shojumaru-Regular.ttf 复制到系统字体目录Windows 复制到 C:\Windows\FontsLinux 放入 ~/.local/share/fonts/ 后执行 fc-cache -fv否则界面文字可能显示异常。启动程序python main.py启动成功后会弹出主窗口左侧输入源菜单、右侧模型下拉框与参数滑条。把一张图片拖进窗口就能立即看到检测框和类别标签。进阶玩法多模型 VS 对比模式点击界面上的对比按钮进入 VS 模式屏幕分为左右两个画面两侧可各挂一个不同的模型比如左边 YOLOv8n、右边 YOLOv11n同一份视频同时跑两路。顶部的 Classes、Targets、Fps 统计在两侧同步刷新精度和速度差异一眼可见不用像传统方式那样分别导出结果再手动比对。适合谁用学生与练手者不写代码就能理解各版本 YOLO 的差异和参数影响CV 工程师快速验证新训练的 .pt 模型或多基线并排对比安防、工业场景接上实时视频流半天搭出一个检测验证原型小结YOLOSHOW 把多版本 YOLO 的目标检测、分割、姿态、旋转框任务装进同一个图形界面拖入输入、动态调参、双屏对比都是现成的。clone 下来按上面三步装好当天就能跑起自己的模型。【免费下载链接】YOLOSHOWYOLO SHOW - YOLOv11 / YOLOv10 / YOLOv9 / YOLOv8 / YOLOv7 / YOLOv5 / RTDETR / SAM / MobileSAM / FastSAM YOLO GUI based on Pyside6项目地址: https://gitcode.com/gh_mirrors/yo/YOLOSHOW创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考 YOLOSHOW多模型目标检测的图形界面工具【免费下载链接】YOLOSHOWYOLO SHOW - YOLOv11 / YOLOv10 / YOLOv9 / YOLOv8 / YOLOv7 / YOLOv5 / RTDETR / SAM / MobileSAM / FastSAM YOLO GUI based on Pyside6项目地址: https://gitcode.com/gh_mirrors/yo/YOLOSHOW想验证 YOLO 模型的推理效果却不想写一行检测脚本或者想并排对比两个模型的输出却得每次改代码重跑YOLOSHOW 是一款集成了 YOLOv5 到 YOLOv11、RT-DETR、SAM 等算法的目标检测图形界面工具拖入文件即可在界面里直接看到检测结果。项目速览YOLOSHOW 是一个基于 PySide6 的桌面 GUI 应用覆盖目标检测、实例分割、姿态估计、旋转框检测四类任务模型侧支持 YOLOv5 到 YOLOv11 全系列以及 RT-DETR、SAM、MobileSAM、FastSAM可运行在 Windows 和 Linux 上。核心界面代码在yoloshow/目录各版本算法实现放在yolocode/下的对应子目录结构清晰方便按版本阅读。界面左侧是输入源菜单中间为检测显示区右侧面板可在运行时切换模型并调节 IOU、置信度等参数。功能拆解多种输入源从单图到实时摄像头拖拽图片文件进入窗口 → 单帧推理立即出框快速验证模型效果视频文件逐帧分析 → 底部进度条随时掌握处理位置本地摄像头 / RTSP 网络摄像头 → 实时视频流持续检测支持 HTTP 协议文件夹批量模式 → 一次跑完整个目录适合批量核验样本模型自动识别与热切换自动加载ptfiles/目录下的 .pt 文件 → 无需手动配置模型路径按文件命名区分任务类型含 -seg、-pose、-obb 后缀→ 分割、姿态模型也能被自动识别检测运行中可直接更换模型 → 不用重启程序就能看到新模型的输出四类任务与实时参数调节检测、分割、姿态、旋转框四类任务互相切换IOU、置信度、帧延迟、线条粗细随时可调 → 不重跑程序也能观察参数影响检测前开启 Save Mode → 结果自动保存到指定路径省去另存操作三步跑起来安装与启动创建 Python 3.9 虚拟环境并安装 PyTorch示例为 CUDA 11.8 版本可按本机显卡换其他 whl 后缀conda create -n yoloshow python3.9 conda activate yoloshow pip3 install torch torchvision torchaudio --index-url https://download.pytorch.org/whl/cu118克隆仓库并安装项目依赖git clone https://gitcode.com/gh_mirrors/yo/YOLOSHOW cd YOLOSHOW pip install -r requirements.txt⚠️ 界面使用自定义字体需把 fonts/Shojumaru-Regular.ttf 复制到系统字体目录Windows 复制到 C:\Windows\FontsLinux 放入 ~/.local/share/fonts/ 后执行 fc-cache -fv否则界面文字可能显示异常。启动程序python main.py启动成功后会弹出主窗口左侧输入源菜单、右侧模型下拉框与参数滑条。把一张图片拖进窗口就能立即看到检测框和类别标签。进阶玩法多模型 VS 对比模式点击界面上的对比按钮进入 VS 模式屏幕分为左右两个画面两侧可各挂一个不同的模型比如左边 YOLOv8n、右边 YOLOv11n同一份视频同时跑两路。顶部的 Classes、Targets、Fps 统计在两侧同步刷新精度和速度差异一眼可见不用像传统方式那样分别导出结果再手动比对。适合谁用学生与练手者不写代码就能理解各版本 YOLO 的差异和参数影响CV 工程师快速验证新训练的 .pt 模型或多基线并排对比安防、工业场景接上实时视频流半天搭出一个检测验证原型小结YOLOSHOW 把多版本 YOLO 的目标检测、分割、姿态、旋转框任务装进同一个图形界面拖入输入、动态调参、双屏对比都是现成的。clone 下来按上面三步装好当天就能跑起自己的模型。【免费下载链接】YOLOSHOWYOLO SHOW - YOLOv11 / YOLOv10 / YOLOv9 / YOLOv8 / YOLOv7 / YOLOv5 / RTDETR / SAM / MobileSAM / FastSAM YOLO GUI based on Pyside6项目地址: https://gitcode.com/gh_mirrors/yo/YOLOSHOW创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考 
![题解：洛谷 P1525 [NOIP 2010 提高组] 关押罪犯](http://pic.xiahunao.cn/yaotu/题解：洛谷 P1525 [NOIP 2010 提高组] 关押罪犯)
 快速方法新手终极教程)
