基于FastAPI、YOLOv11和Vue的目标检测可视化网页（cpu-only）

（里面放了GTAV和Valorant的模型，检测识别是主要的目的，其他是附带的，比如注册登录功能，只是为了课程作业加的）
除了cpu-only，还有nvidia-gpu-only分支

后端 (localhost:5000)

1、安装docker（最好用命令行安装，否则会默认安装到C盘）
2、启动docker
3、在终端（根目录）输入命令

docker pull cnstark/pytorch:2.3.1-py3.10.15-ubuntu22.04 # amd64cpu版本，如果有不同的可以自己找适合的镜像，为了避免拉不下来就手动拉取了

docker-compose up -d --build # 后台启动后端和数据库服务，如果要在前台启动可以去掉-d参数

docker-compose exec backend aerich init -t src.core.database.config.TORTOISE_ORM # 初始化aerich
docker-compose exec backend aerich init-db # 初始化数据库 生成migrations/models里的文件 如果文件已存在的时候重复执行会报错 删除models文件夹即可

后端启动完成

*另外，如果修改了数据库模型，需要在根目录输入命令以更新（或者删除migrations里的models并重新执行上一段命令）

docker-compose exec backend aerich migrate
docker-compose exec backend aerich upgrade

*如果出现了docker容器内生成的文件没有同步到宿主机上，可以检查宿主机某个User对挂载到容器的backend文件夹是否有修改权限
*后端的路径报错是正常的，代码写的是容器内的路径，在容器内可以运行就ok。
*视频编码现在使用vp09（detector.py内），其他的编码浏览器开发的时候播放不了。

前端 (localhost:8080)

（如果8080端口被占用会递增至8081端口）
1、安装Node.js
2、新开一个终端（根目录）输入命令

cd frontend
npm install
npm run serve

目标检测

默认放了一些pt模型，自定义方法如下：
把模型放在backend/src/core/yolo/models/当中就可以了，会自动检测的。

YOLOv11: https://github.com/ultralytics/ultralytics
在搜寻数据集和模型训练途中用过一些工具，保存在utils文件夹中

数据集

FCAV Simulation Dataset官网: https://deepblue.lib.umich.edu/data/concern/data_sets/pv63g053w#items_display
有GTAV的10k、50k和200k数据集，类别只有car。200k数据集太大，老是下载出错，所以只下了50k的，上传到飞桨AI Studio方便下载:https://aistudio.baidu.com/datasetdetail/320051

GTAV50k数据集在utils文件夹中有相关训练数据指标。50kplus是根据另外1002张微调的。

一开始自己半自动加手动标注了1002张，类别有car, motorbike, truck, bus, van, pickup, plane, bird
数据集不大，有的类标的比较模糊，效果中等。上传到飞桨AI Studio: https://aistudio.baidu.com/datasetdetail/319974

用到的docker镜像的仓库：https://github.com/cnstark/pytorch-docker?tab=readme-ov-file
前后端架构参考：https://testdriven.io/blog/developing-a-single-page-app-with-fastapi-and-vuejs/

改进

1、点击网页左上角LOGO或登录后Home的click按钮或刷新会登出跳转到登录页面
2、登录注册系统有点问题
3、检测进度条没做 4、目前的代码结构可以改进