人工智能现在可以说是相当的火爆的，像现在的美图秀秀，百度的OCR文本识别等等我们身边的应用都有人工智能的支持。作为一个还刚刚接触了一丢丢这方面知识的小菜鸟的我，想要将目前已经了解的知识化为实践，好好地吸收一下，所以今天就准备自己动手制作一个用python做的简单目标检测小程序吧。

1.第一步：实现简单的界面设计（GUI），使用的是python的内置库tkinter，我也是才了解的，所以就只是简单地对界面进行了下布局，样式和代码如下，代码量很少。

图片来自网络，侵删

import tkinter as tk
from PIL import ImageTk, Image
import tkinter.filedialog as fd

root = tk.Tk()
root.title("目标检测小程序")
# 背景
canvas = tk.Canvas(root, width=800, height=600, bd=0, highlightthickness=0)
imgpath = 'bg.gif'   #这里注意，图片只能是gif格式的，否则会报错
img = Image.open(imgpath)
photo = ImageTk.PhotoImage(img)
canvas.create_image(0,0,image=photo)
canvas.pack()

label = tk.Label(text="目标检测",width=100,height=50,font=("宋体",32))

canvas.create_window(100, 50, width=200, height=50,
                     window=label)

btn = tk.Button(text="上传文件",command=uploadFile)

canvas.create_window(420, 275, width=200, height=50,
                     window=btn)

root.mainloop()   #显示窗口

第二步：实现上传文件，并实现图片检测，这里的代码也十分简单，通过上传文件的按钮获取到选择的文件的绝对路径，然后利用python的os.system去执行cmd的命令，这里执行的目标检测测试的命令是pytorch版的yolov3算法，这里贴下pytorch版yolov3的GitHub地址：
https://github.com/ultralytics/yolov3
具体代码如下：

def uploadFile():
    file_name = fd.askopenfilenames()
    print(file_name)
    str = "python detect.py  --name coc.names --cfg yolov3-tiny.cfg  --weights yolov3-tiny.weights --source %s"%file_name
    print(str)
    os.system(str)

可以一起来看一下效果,使用的权重是yolov3-tiny.weights，也可以去官网下载yolov3.weights替换进行测试。

image.png

总结：说实话今天文章并没有什么技术分享，就只是可以说给一个非常牛逼的模型套了个壳子，能够进行可视化的操作，而不是在命令行输入命令去执行，可以说这篇文章就是简单了解一下目标检测哈。