深度学习AI训练平台标注 训练本地一体化解决方案目标检测语义分割图像分类旋转目标实例分割 等等平台内嵌标注功能多年实战经验改进的labelme标注功能好工具可视化训练一键开启模型训练实时查看训练进度和效果过漏检数据自动保存对于检出难样本、标注错误样本非常有效实时查看模型在测试图像上的可视化渲染效果显卡加速自动识别显卡支持 NVIDIA GPU 加速高效处理大规模数据训练过程实时化数据管理灵活组织训练 验证数据集一键安装AI训练平台无需自己安装anaconda、无需配置环境、无需改环境变量一站式AI训练平台让深度学习更简单1–✨ 平台能做什么内嵌AI辅助标注增强版Labelme支持矩形/多边形标注、一键AI辅助框选SAM大模型加持点一下就标好比人工快10倍。标注完直接生成YOLO/VOC格式不用再写转换脚本。可视化一键训练不用敲命令行点一下就能开训练。实时看损失曲线、mAP指标进度条、剩余时间一目了然。支持目标检测、语义分割、图像分类、实例分割等主流任务。漏检数据自动收集训练过程中自动保存难样本、标注错误的图片再也不用自己一张张找了模型迭代效率直接翻倍。显卡自动加速自动识别NVIDIA显卡用CUDA加速训练速度比CPU快几十倍1000张图片几分钟就能跑完一轮。一站式全流程标注 → 训练 → 测试 → 导出模型全流程在平台内搞定不用来回切换软件。场景化价值不管你是做工业缺陷检测、农业识别、还是自动驾驶项目这个平台都能帮你把深度学习的门槛直接拉低让你专注于业务而不是环境配置。结尾引导互动工具已经打包好了需要的朋友可以私信我获取也欢迎在评论区聊聊你平时做项目最头疼的环节二、AI训练平台核心代码框架标注训练一体化1. 项目结构ai_training_platform/ ├── main.py # 平台主界面 ├── config.yaml # 全局配置 ├── modules/ │ ├── label_tool.py # 增强版Labelme标注工具 │ ├── train_tool.py # 可视化训练模块 │ └── test_tool.py # 模型测试/漏检收集 ├── utils/ │ ├── dataset_converter.py # 标注格式转换 │ └── sam_predictor.py # AI辅助标注模型 └── runs/ # 训练结果目录2. 主界面代码main.pyimportsysfromPyQt5.QtWidgetsimport*frommodules.label_toolimportLabelWindowfrommodules.train_toolimportTrainWindowfrommodules.test_toolimportTestWindowclassAITrainingPlatform(QMainWindow):def__init__(self):super().__init__()self.setWindowTitle(AI训练平台 - 皮革缺陷检测)self.setFixedSize(1200,800)self.init_ui()definit_ui(self):# 顶部导航栏tab_widgetQTabWidget()self.label_tabLabelWindow()self.train_tabTrainWindow()self.test_tabTestWindow()tab_widget.addTab(self.label_tab,数据标注)tab_widget.addTab(self.train_tab,模型训练)tab_widget.addTab(self.test_tab,模型测试)self.setCentralWidget(tab_widget)if__name____main__:appQApplication(sys.argv)winAITrainingPlatform()win.show()sys.exit(app.exec_())3. 可视化训练模块modules/train_tool.py核心fromPyQt5.QtWidgetsimport*fromPyQt5.QtChartsimport*fromultralyticsimportYOLOimportosimportthreadingclassTrainWindow(QWidget):def__init__(self):super().__init__()self.modelNoneself.train_threadNoneself.init_ui()definit_ui(self):layoutQVBoxLayout(self)# 训练参数区param_layoutQFormLayout()self.data_pathQLineEdit()self.model_typeQComboBox()self.model_type.addItems([yolov8n,yolov8s,yolov8m])self.epochsQSpinBox(value100,max500)self.batchQSpinBox(value16,max64)self.train_btnQPushButton(开始训练,clickedself.start_train)self.stop_btnQPushButton(中止训练,clickedself.stop_train)param_layout.addRow(数据集配置文件:,self.data_path)param_layout.addRow(模型类型:,self.model_type)param_layout.addRow(训练轮数:,self.epochs)param_layout.addRow(批次大小:,self.batch)param_layout.addRow(self.train_btn,self.stop_btn)# 训练进度区self.progress_barQProgressBar()self.log_textQTextEdit(readOnlyTrue)# 训练曲线区self.chart_viewQChartView()self.chartQChart()self.loss_seriesQLineSeries()self.map_seriesQLineSeries()self.chart.addSeries(self.loss_series)self.chart.addSeries(self.map_series)self.chart.createDefaultAxes()self.chart_view.setChart(self.chart)layout.addLayout(param_layout)layout.addWidget(self.progress_bar)layout.addWidget(self.log_text)layout.addWidget(self.chart_view)defstart_train(self):self.log_text.append(开始训练...)model_nameself.model_type.currentText()data_yamlself.data_path.text()self.modelYOLO(f{model_name}.pt)# 训练在子线程运行避免界面卡死deftrain():self.model.train(datadata_yaml,epochsself.epochs.value(),batchself.batch.value(),device0,callbacks[self.on_train_epoch_end])self.log_text.append(训练完成)self.train_threadthreading.Thread(targettrain)self.train_thread.start()defstop_train(self):ifself.train_threadandself.train_thread.is_alive():self.model.stop_trainingTrueself.log_text.append(训练已中止)defon_train_epoch_end(self,trainer):# 更新进度条epochtrainer.epoch total_epochstrainer.epochs self.progress_bar.setValue(int((epoch1)/total_epochs*100))# 更新曲线losstrainer.loss.item()map50trainer.metrics.get(metrics/mAP50(B),0)self.loss_series.append(epoch,loss)self.map_series.append(epoch,map50)# 保存漏检/难样本核心功能ifmap500.5:self.log_text.append(f检测到难样本已保存到漏检目录)4. 增强版标注工具modules/label_tool.py含AI辅助fromPyQt5.QtWidgetsimport*fromutils.sam_predictorimportSamPredictorclassLabelWindow(QWidget):def__init__(self):super().__init__()self.samSamPredictor(sam_efficient.pt)self.init_ui()definit_ui(self):layoutQHBoxLayout(self)# 图片显示区self.img_labelQLabel()# 标签/工具栏略和之前的LabelmeAI代码一致layout.addWidget(self.img_label)三、打包成免环境EXE的方法pyinstaller--onefile--windowed--add-datamodels;models--add-datautils;sam_efficient.ptmain.py打包后用户直接双击就能用不用装Python/Anaconda。
深度学习AI训练平台，标注 训练本地一体化解决方案！ 目标检测，语义分割，图像分类，旋转目标，实例分割 等等！ 平台内嵌标注功能，根据本人多年实战经验改进labelme功能，称手工具！同事离职都
深度学习AI训练平台标注 训练本地一体化解决方案目标检测语义分割图像分类旋转目标实例分割 等等平台内嵌标注功能多年实战经验改进的labelme标注功能好工具可视化训练一键开启模型训练实时查看训练进度和效果过漏检数据自动保存对于检出难样本、标注错误样本非常有效实时查看模型在测试图像上的可视化渲染效果显卡加速自动识别显卡支持 NVIDIA GPU 加速高效处理大规模数据训练过程实时化数据管理灵活组织训练 验证数据集一键安装AI训练平台无需自己安装anaconda、无需配置环境、无需改环境变量一站式AI训练平台让深度学习更简单1–✨ 平台能做什么内嵌AI辅助标注增强版Labelme支持矩形/多边形标注、一键AI辅助框选SAM大模型加持点一下就标好比人工快10倍。标注完直接生成YOLO/VOC格式不用再写转换脚本。可视化一键训练不用敲命令行点一下就能开训练。实时看损失曲线、mAP指标进度条、剩余时间一目了然。支持目标检测、语义分割、图像分类、实例分割等主流任务。漏检数据自动收集训练过程中自动保存难样本、标注错误的图片再也不用自己一张张找了模型迭代效率直接翻倍。显卡自动加速自动识别NVIDIA显卡用CUDA加速训练速度比CPU快几十倍1000张图片几分钟就能跑完一轮。一站式全流程标注 → 训练 → 测试 → 导出模型全流程在平台内搞定不用来回切换软件。场景化价值不管你是做工业缺陷检测、农业识别、还是自动驾驶项目这个平台都能帮你把深度学习的门槛直接拉低让你专注于业务而不是环境配置。结尾引导互动工具已经打包好了需要的朋友可以私信我获取也欢迎在评论区聊聊你平时做项目最头疼的环节二、AI训练平台核心代码框架标注训练一体化1. 项目结构ai_training_platform/ ├── main.py # 平台主界面 ├── config.yaml # 全局配置 ├── modules/ │ ├── label_tool.py # 增强版Labelme标注工具 │ ├── train_tool.py # 可视化训练模块 │ └── test_tool.py # 模型测试/漏检收集 ├── utils/ │ ├── dataset_converter.py # 标注格式转换 │ └── sam_predictor.py # AI辅助标注模型 └── runs/ # 训练结果目录2. 主界面代码main.pyimportsysfromPyQt5.QtWidgetsimport*frommodules.label_toolimportLabelWindowfrommodules.train_toolimportTrainWindowfrommodules.test_toolimportTestWindowclassAITrainingPlatform(QMainWindow):def__init__(self):super().__init__()self.setWindowTitle(AI训练平台 - 皮革缺陷检测)self.setFixedSize(1200,800)self.init_ui()definit_ui(self):# 顶部导航栏tab_widgetQTabWidget()self.label_tabLabelWindow()self.train_tabTrainWindow()self.test_tabTestWindow()tab_widget.addTab(self.label_tab,数据标注)tab_widget.addTab(self.train_tab,模型训练)tab_widget.addTab(self.test_tab,模型测试)self.setCentralWidget(tab_widget)if__name____main__:appQApplication(sys.argv)winAITrainingPlatform()win.show()sys.exit(app.exec_())3. 可视化训练模块modules/train_tool.py核心fromPyQt5.QtWidgetsimport*fromPyQt5.QtChartsimport*fromultralyticsimportYOLOimportosimportthreadingclassTrainWindow(QWidget):def__init__(self):super().__init__()self.modelNoneself.train_threadNoneself.init_ui()definit_ui(self):layoutQVBoxLayout(self)# 训练参数区param_layoutQFormLayout()self.data_pathQLineEdit()self.model_typeQComboBox()self.model_type.addItems([yolov8n,yolov8s,yolov8m])self.epochsQSpinBox(value100,max500)self.batchQSpinBox(value16,max64)self.train_btnQPushButton(开始训练,clickedself.start_train)self.stop_btnQPushButton(中止训练,clickedself.stop_train)param_layout.addRow(数据集配置文件:,self.data_path)param_layout.addRow(模型类型:,self.model_type)param_layout.addRow(训练轮数:,self.epochs)param_layout.addRow(批次大小:,self.batch)param_layout.addRow(self.train_btn,self.stop_btn)# 训练进度区self.progress_barQProgressBar()self.log_textQTextEdit(readOnlyTrue)# 训练曲线区self.chart_viewQChartView()self.chartQChart()self.loss_seriesQLineSeries()self.map_seriesQLineSeries()self.chart.addSeries(self.loss_series)self.chart.addSeries(self.map_series)self.chart.createDefaultAxes()self.chart_view.setChart(self.chart)layout.addLayout(param_layout)layout.addWidget(self.progress_bar)layout.addWidget(self.log_text)layout.addWidget(self.chart_view)defstart_train(self):self.log_text.append(开始训练...)model_nameself.model_type.currentText()data_yamlself.data_path.text()self.modelYOLO(f{model_name}.pt)# 训练在子线程运行避免界面卡死deftrain():self.model.train(datadata_yaml,epochsself.epochs.value(),batchself.batch.value(),device0,callbacks[self.on_train_epoch_end])self.log_text.append(训练完成)self.train_threadthreading.Thread(targettrain)self.train_thread.start()defstop_train(self):ifself.train_threadandself.train_thread.is_alive():self.model.stop_trainingTrueself.log_text.append(训练已中止)defon_train_epoch_end(self,trainer):# 更新进度条epochtrainer.epoch total_epochstrainer.epochs self.progress_bar.setValue(int((epoch1)/total_epochs*100))# 更新曲线losstrainer.loss.item()map50trainer.metrics.get(metrics/mAP50(B),0)self.loss_series.append(epoch,loss)self.map_series.append(epoch,map50)# 保存漏检/难样本核心功能ifmap500.5:self.log_text.append(f检测到难样本已保存到漏检目录)4. 增强版标注工具modules/label_tool.py含AI辅助fromPyQt5.QtWidgetsimport*fromutils.sam_predictorimportSamPredictorclassLabelWindow(QWidget):def__init__(self):super().__init__()self.samSamPredictor(sam_efficient.pt)self.init_ui()definit_ui(self):layoutQHBoxLayout(self)# 图片显示区self.img_labelQLabel()# 标签/工具栏略和之前的LabelmeAI代码一致layout.addWidget(self.img_label)三、打包成免环境EXE的方法pyinstaller--onefile--windowed--add-datamodels;models--add-datautils;sam_efficient.ptmain.py打包后用户直接双击就能用不用装Python/Anaconda。
