misaka-ning / vision-studio

# Vision Studio
📺 **B 站视频介绍 · 点击观看**
欢迎来 B 站看看我的 Vision Studio 项目介绍！如果觉得有帮助，欢迎**点赞、投币、收藏**支持，也欢迎在评论区交流使用体验和改进建议。
**基于 C++17 / Qt 6.8 的本地 YOLO 推理、评估调优、模型可视化与转换工具。** 支持 ONNX / PT 模型、标准 YOLO 数据集检测与评估、视频和摄像头输入、灰度与左右目处理、标注视频录制，以及结构图、层级树和参数表。
下载发行版 · 更新日志 · 使用指南 · 报告问题
当前工程版本：**2.4.0**，聚焦数据集评估与视频／摄像头推理，移除独立图片和普通图片文件夹导入；重新整理工作台顶部任务条与可折叠的数据集设置，给预览画面留出更多空间。在同一工作台串联「导入带标注数据集 → 评估目标类 → 分析阈值与错例 → 采用检测配置」。界面保留 Fluent-Qt 风格，复用全局模型与现有推理后端。本次发行平台：**Ubuntu 22.04 LTS amd64**；安装文件以 Releases 实际发布为准。Windows 已发布安装包仍为 2.1.0 补充版，本版不宣称完成 Windows 2.4.0 验收。应用代码采用 **AGPL-3.0-only**。
以上为最终 2.4.0 安装包的实际 Qt 窗口，使用公开 COCO8 四张 Val 图片和随附 YOLOv5n 模型验收，分别展示 CPU 预览与 CUDA 评估。这里只演示界面与管线，不是足球能力或部署性能基准；同版验收证据保留来源、原始日志与布局检查。
## 功能
- **检测工作台**：输入集中为 YOLO 数据集、视频和摄像头。数据集图片沿用队列及「检测当前集合」／从当前向后／仅当前三种检测范围；默认只处理当前选择的 Train／Val／Test 集合，开始时冻结范围和顺序；保留结果回看、停止后已完成结果和所选图片导出。独立图片、普通图片文件夹、图片拖入和公开示例入口退出支持，启动时不自动载入示例图。YOLO 检测与单标签图像分类后端保留，置信度和 NMS IoU 可调；关键数值控件不受鼠标滚轮误改，保存仍在后台完成。
- **数据集与评估调优**：点击「YOLO 数据集」或按 Ctrl+O 直接选择数据集文件夹；同排箭头可直接选择 YAML 配置。优先识别根目录唯一的 `data.yaml`／`data.yml`／`dataset.yaml`／`dataset.yml`，配置歧义时提示明确选文件；数据集上下文压缩为一行，详细类别映射、可选 metadata 与扫描设置归入折叠的「数据集设置」；保留行内状态和可展开的错误原因。选择 Val／Test／Train，复用图片队列、三种检测范围和画布；「检测预览」查看 GT 与预测，「评估调优」后台采集低分候选并计算目标类 AP50／AP50–95、固定阈值 P／R／F1、TP／FP／FN 与无目标图片误报率。单目标原始类别映射兼容 COCO 模型与自训练模型，缺标签阻止评估，不把它当作负样本。
- **阈值与错例联动**：默认扫描 0.05～0.95、步长 0.01 的 91 个工作点，可调整扫描范围；曲线、明细、指标与误检／漏检队列联动，使用同一次推理缓存。完整 Val 评估可按 F1、最低 Precision 或最高误报率约束选择工作点；只有明确点击「采用检测配置」才更新工作台阈值、原始类别、预处理与设备。评估报告持久保存，运行记录与模型库可重新打开。
- **类别筛选**：独立输入原始类别 ID，留空为全部，支持 `32`、`0,2,32`、空格和中文逗号，自动去重；后台读取模型实际类别范围，非法 ID 通过行内提示阻止开始。检测框、表格、数量、导出与录像使用同一筛选结果，不重编号；分类任务禁用该控件。COCO ID 32 是 sports ball，涵盖多种球类，并非只识别足球。
- **模型库**：导入 ONNX / PT / TorchScript，可拖动排序并在重启后保留；右键打开模型位置、编辑备注、更改显示名称或从列表移除。显示名称与备注持久保存，重命名不改原始文件名与内容，移除保留文件；全局选用统一决定工作台、模型显示与转换页默认来源。
- **模型显示**：Netron 结构图、可展开层级树、参数表；后台预加载并缓存，切换页面与模式复用解析结果，树与表支持搜索和详情。
- **灰度与双目输入**：灰度按模型的 1 / 3 通道适配；单设备水平左右拼接视频或摄像头可只处理左目或右目。预览和导出显示实际所选画面与颜色模式。
- **标注与录制**：检测框、类别、置信度、缩放和平移；保存 PNG / JSON / CSV，自动保存选项下方可直接打开结果目录。视频和摄像头可开始／结束录制，在「录制视频」页浏览、播放和导出。
- **模型转换**：新页面位于「录制视频」之后、「更多」之前，将受支持的 PT 转换为 ONNX 或 TorchScript，提供后台进度、日志、取消、打开输出目录与完成后加入模型库。导出 CPU FP32、batch=1、固定正方形输入、不含 NMS，保留 C1 / C3；ONNX 可选 Opset 12 / 17，已有文件拒绝覆盖。
- **运行记录与更多**：保留处理记录、模型和耗时；双击评估记录重新打开独立报告与预测缓存；「更多」集中提供 GPU 环境管理与手动导出。
- **计算设备**：工作台可选自动、CPU 或 NVIDIA GPU；「更多」检查并准备独立 GPU 环境。自动模式在 GPU 不可用时显示原因并使用 CPU，显式 GPU 失败时报告错误；结果记录实际设备。
普通 PT 的层级树表示文件可解析的模块包含关系，裸权重按名称分组；参数表列出权重、常量和缓冲，不能直接作为可训练参数总量。ONNX 更适合查看完整运算连接。不支持或损坏的模型会显示文字说明。详细范围见 模型说明。
## 下载与安装
从 GitHub Releases 选择已发布版本，以下命令用于 2.4.0 正式发布后安装。每版只上传 **3 个手动附件**：安装包 `.deb`、`vision-studio-X.Y.Z-complete-source.tar.xz`、`SHA256SUMS`。
页面另外显示 GitHub 自动提供的 **Source code (zip)** 和 **Source code (tar.gz)** 两个源码入口，它们由平台生成，不能从 Release 中移除。下载三个手动附件后，先校验，再安装：
 [code] 
2.4.0 正式包的 Debian 版本为 `2.4.0-1`，高于 `2.3.1-1`、`2.3.0-1` 及此前版本，可用以上 APT 命令直接升级。先结束检测、评估、录像与模型转换，导出需要永久保存的结果，退出旧程序再安装；升级保留个人设置、模型、运行记录、导出、录像、评估报告与已准备的 GPU 环境。普通检测临时缓存不会跨程序重启保留，评估报告及其预测快照独立持久保存。
也可从应用菜单启动 **Vision Studio**。先在模型库选用模型，再导入标准 YOL