pyqt5

胖哥真不错2 天前
python·毕业设计·语音识别·课程设计·paddlespeech·pyqt5·中文语音识别系统
基于PyQt5和PaddleSpeech的中文语音识别系统设计与实现(Python)说明:这是一个毕设实战项目(附带数据+代码+文档),如需数据+代码+文档可以直接到文章最后关注获取。系统演示:
hvinsion12 天前
开源项目·pyqt5·刷题系统·考试平台·题库管理·学习系统·错题集管理
【完整源码】白泽题库系统:基于PyQt5的智能刷题与考试平台开发全解析🌈 个人主页:创客白泽 - CSDN博客 🔥 系列专栏:🐍《Python开源项目实战》 💡 热爱不止于代码,热情源自每一个灵感闪现的夜晚。愿以开源之火,点亮前行之路。 🐋 希望大家多多支持,我们一起进步! 👍 🎉如果文章对你有帮助的话,欢迎 点赞 👍🏻 评论 💬 收藏 ⭐️ 加关注+💗分享给更多人哦
Stara05113 个月前
yolov8·pyqt5·卡尔曼滤波·deepsort
YOLOv8+ Deepsort+Pyqt5车速检测系统该系统通过YOLOv8进行高效的目标检测与分割,结合DeepSORT算法完成目标的实时跟踪,并利用GPU加速技术提升处理速度。系统支持模块化设计,可导入其他权重文件以适应不同场景需求,同时提供自定义配置选项,如显示标签和保存结果等。
大模型铲屎官3 个月前
开发语言·人工智能·python·tkinter·pyqt5·桌面应用开发·文件管理器
Python桌面应用开发入门:Tkinter+PyQt5实战文件管理器教程01-玩转LangChain:从模型调用到Prompt模板与输出解析的完整指南 02-玩转 LangChain Memory 模块:四种记忆类型详解及应用场景全覆盖 03-全面掌握 LangChain:从核心链条构建到动态任务分配的实战指南 04-玩转 LangChain:从文档加载到高效问答系统构建的全程实战 05-玩转 LangChain:深度评估问答系统的三种高效方法(示例生成、手动评估与LLM辅助评估) 06-从 0 到 1 掌握 LangChain Agents:自定义工具 + LLM 打造智能
goomind3 个月前
人工智能·深度学习·目标跟踪·pyqt5·bytetrack·deepsort·撞线计数
深度学习实战车辆目标跟踪与计数本文采用YOLOv8作为核心算法框架,结合PyQt5构建用户界面,使用Python3进行开发。YOLOv8以其高效的实时检测能力,在多个目标检测任务中展现出卓越性能。本研究针对车辆目标数据集进行训练和优化,该数据集包含丰富的车辆目标图像样本,为模型的准确性和泛化能力提供了有力保障。通过深度学习技术,模型能够自动提取车辆目标的特征并进行分类识别。PyQt5界面设计简洁直观,便于用户操作和实时查看检测结果。本研究不仅提高了车辆目标识别的水平,还为车辆目标保护提供了有力支持,具有重要的理论应用价值。
goomind4 个月前
人工智能·深度学习·计算机视觉·pyqt5·道路缺陷·裂缝
深度学习实战道路裂缝缺陷识别本文采用YOLOv8作为核心算法框架,结合PyQt5构建用户界面,使用Python3进行开发。YOLOv8以其高效的实时检测能力,在多个目标检测任务中展现出卓越性能。本研究针对道路裂缝数据集进行训练和优化,该数据集包含丰富的道路裂缝图像样本,为模型的准确性和泛化能力提供了有力保障。通过深度学习技术,模型能够自动提取道路裂缝的特征并进行分类识别。PyQt5界面设计简洁直观,便于用户操作和实时查看检测结果。本研究不仅提高了道路裂缝识别的自动化水平,还为医疗系统的构建提供了有力支持,具有重要的理论应用价值。
goomind4 个月前
深度学习·神经网络·yolo·计算机视觉·cnn·pyqt5·海洋动物识别
深度卷积神经网络实战海洋动物图像识别本文采用深度卷积神经网络作为核心算法框架,结合PyQt5构建用户界面,使用Python3进行开发。YOLOv11以其高效的特征提取能力,在多个图像分类任务中展现出卓越性能。本研究针对5种海洋动物数据集进行训练和优化,该数据集包含丰富的海洋动物图像样本,为模型的准确性和泛化能力提供了有力保障。通过深度学习技术,模型能够自动提取海洋动物的特征并进行分类识别。PyQt5界面设计简洁直观,便于用户操作和实时查看检测结果。
goomind5 个月前
人工智能·神经网络·yolo·cnn·无人机·pyqt5·目标识别
深度卷积神经网络实战无人机视角目标识别本文采用深度卷积神经网络作为核心算法框架,结合PyQt5构建用户界面,使用Python3进行开发。YOLOv8以其高效的实时检测能力,在多个目标检测任务中展现出卓越性能。本研究针对无人机目标数据集进行训练和优化,该数据集包含丰富的无人机目标图像样本,为模型的准确性和泛化能力提供了有力保障。通过深度学习技术,模型能够自动提取无人机目标的特征并进行分类识别。PyQt5界面设计简洁直观,便于用户操作和实时查看检测结果。本研究不仅提高了无人机目标识别的水平,还为无人机目标保护提供了有力支持,具有重要的理论应用价值
程序媛徐师姐5 个月前
python·opencv·人脸识别·pyqt5·人脸识别上课签到系统·上课签到·上课签到系统
Python基于OpenCV和PyQt5的人脸识别上课签到系统【附源码】博主介绍:✌Java老徐、7年大厂程序员经历。全网粉丝12w+、csdn博客专家、掘金/华为云/阿里云/InfoQ等平台优质作者、专注于Java技术领域和毕业项目实战✌
夏天是冰红茶6 个月前
pyqt5·pyqt显示图像·pyqt显示视频
基于PyQt5的UI界面开发——图像与视频的加载与显示这里我们的主要目标是实现一个基于PyQt5和OpenCV的图像浏览和视频播放应用。用户可以选择本地的图像或视频文件夹,进行图像自动播放和图像切换以及视频播放和调用摄像头等操作,并且支持图像保存功能。项目的核心设计包括文件路径选择、图像或视频的显示、自动播放、图像保存等功能。
街 三 仔6 个月前
pyside6·pyqt5·qtdesigner·qss
【QSS样式表 - ⑥】:QPushButton控件样式代码:
街 三 仔6 个月前
pyside6·pyqt5·qtdesigner·qss
【QSS样式表 - ⑨】:QGroupBox控件样式新建一个 QMainWIndow 窗口,在其中放入四个 QGroupBox 控件。分别设置这四个 QGroupBox 可观察其区别。
街 三 仔6 个月前
pyside6·pyqt5·qtdesigner·qss
【QSS样式表 - ⑤】:QLineEdit控件样式常用属性常用选择器代码:代码:当设置为密码模式时。 代码:代码
goomind6 个月前
人工智能·yolo·目标检测·计算机视觉·pyqt5·裂缝检测·裂缝识别
YOLOv8实战道路裂缝缺陷识别本文采用YOLOv8作为核心算法框架,结合PyQt5构建用户界面,使用Python3进行开发。YOLOv8以其高效的实时检测能力,在多个目标检测任务中展现出卓越性能。本研究针对道路裂缝数据集进行训练和优化,该数据集包含丰富的道路裂缝图像样本,为模型的准确性和泛化能力提供了有力保障。通过深度学习技术,模型能够自动提取道路裂缝的特征并进行分类识别。PyQt5界面设计简洁直观,便于用户操作和实时查看检测结果。本研究不仅提高了道路裂缝识别的自动化水平,还为医疗系统的构建提供了有力支持,具有重要的理论应用价值。
千码君20166 个月前
python·excel·pyqt5·tuple·闪退
PyQt5:一个逗号引发的闪退血案【日常小计】在开发PyQt5程序时,调用了一个写入excel表格的后端方法,但是每次打开页面点击对应的动作,窗口就会闪退,而且Python后台也没有提示出任何的异常堆栈,后来经过在后端一点一点的单点测试,终于发现是一个逗号惹的祸。
风筝有风+6 个月前
yolo·d435i·pyqt5·深度图
YOLOv5+pyqt5+摄像头在特定条件下进行目标检测并采集原始数据GitHub - biabu0/Yolov5_D435i: 通过YOLOV5与pyqt5实现一个使用D435i深度摄像头采集特定需求与场景下的深度数据的小程序
goomind7 个月前
人工智能·yolo·目标检测·计算机视觉·无人机·pyqt5·无人机目标检测
YOLOv8实战无人机视角目标检测本文采用YOLOv8作为核心算法框架,结合PyQt5构建用户界面,使用Python3进行开发。YOLOv8以其高效的实时检测能力,在多个目标检测任务中展现出卓越性能。本研究针对无人机目标数据集进行训练和优化,该数据集包含丰富的无人机目标图像样本,为模型的准确性和泛化能力提供了有力保障。通过深度学习技术,模型能够自动提取无人机目标的特征并进行分类识别。PyQt5界面设计简洁直观,便于用户操作和实时查看检测结果。本研究不仅提高了无人机目标识别的水平,还为无人机目标保护提供了有力支持,具有重要的理论应用价值。
goomind7 个月前
深度学习·计算机视觉·人脸识别·pyqt5·facenet·mtcnn·人脸定位
深度学习实战人脸识别深度学习实战人脸检测与识别人脸识别技术的研究意义是多方面的,它涉及到社会生活的各个领域,并为社会发展和人民生活带来便利和安全。以下是人脸识别研究的几个主要意义:
懷淰メ7 个月前
开发语言·python·qt·游戏·pyqt·游戏开发·pyqt5
PyQt飞机大战游戏(附下载地址)欢迎下载体验!文件大小:22.9 M 下载地址:链接:https://wwrr.lanzoul.com/iybV22frvcng
goomind7 个月前
人工智能·yolo·目标检测·缺陷检测·pyqt5·木材缺陷识别
YOLOv8实战木材缺陷识别本文采用YOLOv8作为核心算法框架,结合PyQt5构建用户界面,使用Python3进行开发。YOLOv8以其高效的实时检测能力,在多个目标检测任务中展现出卓越性能。本研究针对木材缺陷数据集进行训练和优化,该数据集包含丰富的木材缺陷图像样本,为模型的准确性和泛化能力提供了有力保障。通过深度学习技术,模型能够自动提取木材缺陷的特征并进行分类识别。PyQt5界面设计简洁直观,便于用户操作和实时查看检测结果。本研究不仅提高了木材缺陷识别的水平,还为木材保护提供了有力支持,具有重要的理论应用价值。