当前位置：首页 > news >正文

手搓一个可以自动化对比yolo模型性能曲线的工具

news 2025/9/19 5:28:05

视频演示

视频演示

工具功能亮点

使用步骤

代码实现关键点

1. 初始化和UI布局

2. 文件加载和数据存储

3. 曲线绘制更新

4. 保存和辅助功能

注意事项

大家好，我是Coding茶水间。

今天分享一个实用工具——yolo模型性能曲线的工具。

它可以帮助你在论文写作或模型评估中，轻松对比不同YOLO版本（如YOLOv5、YOLOv8、YOLOv11、YOLOv12）的训练结果曲线。

工具基于PyQt5开发，支持加载多个CSV文件、自定义曲线颜色、修改图例标签、调整坐标轴，并保存高清图片。

这个工具源于日常需求：训练多个YOLO模型后，每个模型都有独立的results.csv文件，包含epoch、loss、precision、recall、mAP等指标。

如果要对比曲线，通常需要手动用Matplotlib或Excel处理，很麻烦。

现在，用这个GUI工具，一键加载、多曲线叠加、个性化调整，超级方便！

工具功能亮点

多文件加载：支持批量选择YOLO训练生成的results.csv文件。
指标选择：下拉菜单切换显示召回率（Recall）、精准度（Precision）、mAP50、mAP50-95、F1指数，以及训练/验证集的Box Loss、Class Loss、DFL Loss。
曲线自定义：为每条曲线设置颜色、修改图例标签（默认用文件名）。
图表调整：开启/关闭网格线，编辑X/Y轴标签和标题。
保存图片：一键导出PNG高清图，插入论文或报告。
跨平台支持：自动适配Windows、macOS、Linux的中文字体显示。

使用步骤

运行工具：安装PyQt5、pandas、matplotlib后，执行Python脚本启动GUI。
加载文件：点击“加载 CSV 文件”，多选YOLO results.csv（例如YOLOv5、YOLOv8等）。
设置曲线：在文件列表选中文件，点击“设置曲线颜色”选择颜色；点击“修改图例标签”输入新名称（如“YOLOv5”）。
选择指标：从下拉框选指标，如“召回率 (Recall)”，点击“更新图表”。
调整轴标题：输入X轴（如“迭代次数”）、Y轴（如“值”）、标题（如“召回率对比曲线”），点击“更新坐标轴”。
保存：满意后点击“保存图片”，导出到本地。

例如，对比YOLOv12和YOLOv8的mAP50-95曲线：加载两个CSV，设不同颜色，选mAP50-95，调整标题为“不同YOLO版本mAP对比”，保存插入论文。曲线更直观，突出改进点！

代码实现关键点

工具核心是PyQt5的QMainWindow类，结合Matplotlib的FigureCanvas嵌入绘图。数据用pandas处理CSV。以下是关键代码片段解释（完整代码见文末获取方式）：

1. 初始化和UI布局

在__init__中设置窗口，自动适配字体（Windows用SimHei，macOS动态查找中文字体，Linux用WenQuanYi Micro Hei），避免中文乱码。

system = platform.system()
if system == 'Windows':plt.rcParams['font.sans-serif'] = ['SimHei']
# ... 其他系统处理

UI分左侧控制面板（按钮、列表、下拉框）和右侧图表区（画布、输入框）。用QHBoxLayout分栏，stretch控制比例。

2. 文件加载和数据存储

load_files方法用QFileDialog批量选CSV，读入pandas DataFrame。存储在self.data_files字典：键为文件路径，值为(数据, 颜色, 标签)。

data = pd.read_csv(file)
label = os.path.splitext(os.path.basename(file))[0]  # 提取文件名作为默认标签
self.data_files[file] = (data, QColor(0, 0, 255), label)  # 默认蓝色

文件列表用QListWidget显示，选中项可改颜色/标签。

3. 曲线绘制更新

update_plot清空Figure，创建ax subplot。根据选中指标（如"metrics/recall(B)"），为每个数据绘制plot线。F1指数需计算：F1 = 2 * (P * R) / (P + R)。

metric_key = self.get_metric_key(metric)  # 映射中文到列名
if metric_key == "F1":data["F1"] = 2 * (data["metrics/precision(B)"] * data["metrics/recall(B)"]) / (...)
ax.plot(data["epoch"], data[metric_key], label=label, color=color_hex)
ax.legend()  # 添加图例
ax.grid(self.grid_toggle.isChecked())  # 网格开关

颜色从QColor转RGB/hex。update_axis更新xlabel/ylabel/title。

4. 保存和辅助功能

save_image用Figure.savefig导出高清PNG。edit_legend_label用QInputDialog改标签。clear_selection清空数据和列表。

指标映射在get_metric_key字典，便于扩展。

def update_plot(self):"""更新图表"""self.figure.clear()ax = self.figure.add_subplot(111)metric = self.metric_combo.currentText()for file, (data, color, label) in self.data_files.items():print(label)color_rgb = color.getRgb()[:3]color_hex = "#{:02x}{:02x}{:02x}".format(*color_rgb)# 显示当前选中的指标metric_key = self.get_metric_key(metric)if metric_key == "F1" and "metrics/precision(B)" in data.columns and "metrics/recall(B)" in data.columns:data["F1"] = 2 * (data["metrics/precision(B)"] * data["metrics/recall(B)"]) / (data["metrics/precision(B)"] + data["metrics/recall(B)"])if metric_key in data.columns:ax.plot(data["epoch"], data[metric_key], label=label, color=color_hex)ax.set_xlabel("Epoch")ax.set_ylabel("Value")ax.set_title(metric)ax.legend()ax.grid(self.grid_toggle.isChecked())self.canvas.draw()