增加注释

.idea/.gitignore

@@ -1,3 +0,0 @@
-# Default ignored files
-/shelf/
-/workspace.xml

.idea/PulseFocusPlatform.iml

@@ -1,12 +0,0 @@
-<?xml version="1.0" encoding="UTF-8"?>
-<module type="PYTHON_MODULE" version="4">
-  <component name="NewModuleRootManager">
-    <content url="file://$MODULE_DIR$" />
-    <orderEntry type="jdk" jdkName="Python 3.7 (Focus)" jdkType="Python SDK" />
-    <orderEntry type="sourceFolder" forTests="false" />
-  </component>
-  <component name="PyDocumentationSettings">
-    <option name="format" value="GOOGLE" />
-    <option name="myDocStringFormat" value="Google" />
-  </component>
-</module>

.idea/inspectionProfiles/profiles_settings.xml

@@ -1,6 +0,0 @@
-<component name="InspectionProjectProfileManager">
-  <settings>
-    <option name="USE_PROJECT_PROFILE" value="false" />
-    <version value="1.0" />
-  </settings>
-</component>

.idea/misc.xml

@@ -1,4 +0,0 @@
-<?xml version="1.0" encoding="UTF-8"?>
-<project version="4">
-  <component name="ProjectRootManager" version="2" project-jdk-name="Python 3.7 (Focus)" project-jdk-type="Python SDK" />
-</project>

.idea/modules.xml

@@ -1,8 +0,0 @@
-<?xml version="1.0" encoding="UTF-8"?>
-<project version="4">
-  <component name="ProjectModuleManager">
-    <modules>
-      <module fileurl="file://$PROJECT_DIR$/.idea/PulseFocusPlatform.iml" filepath="$PROJECT_DIR$/.idea/PulseFocusPlatform.iml" />
-    </modules>
-  </component>
-</project>

.idea/vcs.xml

@@ -1,6 +0,0 @@
-<?xml version="1.0" encoding="UTF-8"?>
-<project version="4">
-  <component name="VcsDirectoryMappings">
-    <mapping directory="$PROJECT_DIR$" vcs="Git" />
-  </component>
-</project>

README.md

@@ -5,7 +5,8 @@ Pulse Focus Platform脉冲聚焦是面向水底物体图像识别的实时检测
 脉冲聚焦软件设计了图片和视频两种数据输入下的多物体识别功能。针对图片数据，调用模型进行单张图片预测，随后在前端可视化输出多物体识别结果；针对视频流动态图像数据，首先对视频流数据进行分帧采样，获取采样图片，再针对采样图片进行多物体识别，将采样识别结果进行视频合成，然后在前端可视化输出视频流数据识别结果。为了视频流数据处理的高效性，设计了采样-识别-展示的多线程处理方式，可加快视频流数据处理。
 
 软件界面简单，易学易用，包含参数的输入选择，程序的运行，算法结果的展示等，源代码公开，算法可修改。
-开发人员：K. Wang、H.P. Yu、J. Li、H.T. Li、Z.Q. Wang、Z.Y. Zhao、L.F. Zhang、G. Chen
+
+开发人员：K. Wang、H.P. Yu、J. Li、Z.Y. Zhao、L.F. Zhang、G. Chen、H.T. Li、Z.Q. Wang、Y.G. Han
 
 ## 1. 开发环境配置
 运行以下命令：
@@ -21,11 +22,119 @@ conda env create -f create_env.yaml
 python main.py
 ```
 
-## 3. 一些说明
-1. 使用GPU版本
+## 3. 软硬件运行平台
+
+（1）配置要求
+
+<table>
+  <tr>
+    <th>组件</th>
+    <th>配置</th>
+    <th>备注</th>
+  </tr>
+  <tr>
+    <td>系统 </td>
+    <td>Windows 10 家庭中文版 20H2 64位</td>
+    <td>扩展支持Linux和Mac系统</td>
+  </tr>
+  <tr>
+    <td>处理器</td>
+    <td>处理器类型：
+酷睿i3兼容处理器或速度更快的处理器
+处理器速度：
+最低：1.0GHz
+建议：2.0GHz或更快
+</td>
+    <td>不支持ARM、IA64等芯片处理器</td>
+  </tr>
+  <tr>
+    <td>内存</td>
+    <td>RAM	16.0 GB (15.7 GB 可用)</td>
+    <td></td>
+  </tr>
+<tr>
+    <td>显卡</td>
+    <td>最小：核心显卡
+推荐：GTX1060或同类型显卡
+</td>
+    <td></td>
+  </tr>
+<tr>
+    <td>硬盘</td>
+    <td>500G</td>
+    <td></td>
+  </tr>
+<td>显示器</td>
+    <td>3840×2160像素，高分屏</td>
+    <td></td>
+  </tr>
+<tr>
+   </tr>
+<td>软件</td>
+    <td>Anaconda3 2020及以上</td>
+    <td>Python3.7及以上，需手动安装包</td>
+  </tr>
+</table>
+（2）手动部署及运行
+
+推荐的安装步骤如下：
+
+安装Anaconda3-2020.02-Windows-x86_64或以上版本；
+手动安装pygame、pymunk、pyyaml、numpy、easydict和pyqt，安装方式推荐参考如下：
+```
+pip install -i https://pypi.tuna.tsinghua.edu.cn/simple pygame==2.0.1
+```
+将软件模块文件夹拷贝到电脑中（以D盘为例，路径为D:\island-multi_ships）
+
+## 4. 软件详细介绍
+软件总体开发系统架构图如下所示。
+
+![开发系统架构图](https://osredm.com/repo/PulseFocusPlatform/PulseFocusPlatform/raw/branch/master/pic1/1.png)
+（1）界面设计
+平台界面设计如上图所示，界面各组件功能设计如下：
+
+![界面设计](https://osredm.com/repo/PulseFocusPlatform/PulseFocusPlatform/raw/branch/master/pic1/2.png)
+
+* 静态图像导入：用于选择需要进行预测的单张图像，可支持jpg，png，jpeg等格式图像，选择图像后，会在下方界面进行展示。
+* 动态图像导入：用于选择需要进行预测的单个视频,可支持pm4等格式视频，选择视频后，会在下方界面进行展示。
+* 信息导出：用于在预测完成后，将预测后的照片，视频导出到具体文件夹下。
+* 特征选择：由于挑选相关特征。
+* 预处理方法：由于选择相关预处理方法。
+* 识别算法：用于选择预测时的所需算法，目前支持YOLO与RCNN两种模型算法。
+* GPU加速：选择是否使用GPU进行预测加速，对视频预测加速效果明显。
+* 识别：当相关配置完成后，点击识别选项，会进行预测处理，并将预测后的视频或图像在下方显示。
+* 训练：目前考虑到GPU等资源限制，未完整开放。
+* 信息显示：在界面右下角显示类别flv，gx，mbw，object的识别目标个数。
+
+2）主要功能设计
+
+设计了图片和视频两种数据输入的多目标识别功能。针对图片数据，调用模型进行单张图片预测，随后在前端可视化输出多目标识别结果；针对视频流动态图像数据，首先对视频流数据进行分帧采样，获取采样图片，再针对采样图片进行多目标识别，将采样识别结果进行视频合成，然后在前段可视化输出视频流数据识别结果。为求视频流数据处理的高效性，设计了采样-识别-展示的多线性处理方式，可加快视频流数据处理。
+* 侧扫声呐图像多目标识别功能
+* 侧扫声呐视频多目标识别功能
+## 5. 软件使用结果
+Faster-RCNN模型在四种目标物图片上的识别验证结果如下所示：
+
+![D:\pic\脉冲](https://osredm.com/repo/PulseFocusPlatform/PulseFocusPlatform/raw/branch/master/pic1/3.png)
+
+
+YOLOV3模型在四种目标物图片上的识别验证结果如下所示：
+
+
+![D:\pic\脉冲](https://osredm.com/repo/PulseFocusPlatform/PulseFocusPlatform/raw/branch/master/pic1/4.png)
+
+PP-YOLO-BOT模型在四种目标物图片上的识别验证结果如下所示：
+
+![D:\pic\脉冲](https://osredm.com/repo/PulseFocusPlatform/PulseFocusPlatform/raw/branch/master/pic1/5.png)
+
+调用PP-YOLO-BOT模型对视频数据进行识别验证，结果如下截图所示：
+
+![D:\pic\脉冲](https://osredm.com/repo/PulseFocusPlatform/PulseFocusPlatform/raw/branch/master/pic1/6.png)
+
+## 6. 其他说明
+*  使用GPU版本
 
     参考百度飞桨paddle官方网站安装
     
     [安装链接](https://www.paddlepaddle.org.cn/install/quick?docurl=/documentation/docs/zh/install/pip/windows-pip.html)
     
-2. 模型文件全部更新在inference_model中，pic为测试图片
+*  模型文件全部更新在inference_model中，pic为测试图片

SSS_win.py

@@ -1,9 +1,11 @@
 # -*- coding: utf-8 -*-
 
 # Form implementation generated from reading ui file 'SSS_win.ui'
+#
 # Created by: PyQt5 UI code generator 5.15.4
-# WARNING:
-
+#
+# WARNING: Any manual changes made to this file will be lost when pyuic5 is
+# run again.  Do not edit this file unless you know what you are doing.
 
 
 from PyQt5 import QtCore, QtGui, QtWidgets
@@ -16,18 +18,18 @@ class Ui_MainWindow(object):
         self.centralwidget = QtWidgets.QWidget(MainWindow)
         self.centralwidget.setObjectName("centralwidget")
         self.verticalLayout_5 = QtWidgets.QVBoxLayout(self.centralwidget)
-        self.verticalLayout_5.setObjectName("verticalLayout_5")#垂直布局
+        self.verticalLayout_5.setObjectName("verticalLayout_5")
         self.verticalLayout = QtWidgets.QVBoxLayout()
-        self.verticalLayout.setObjectName("verticalLayout")#垂直布局
+        self.verticalLayout.setObjectName("verticalLayout")
         self.horizontalLayout = QtWidgets.QHBoxLayout()
-        self.horizontalLayout.setObjectName("horizontalLayout")#水平布局
+        self.horizontalLayout.setObjectName("horizontalLayout")
         self.verticalLayout_2 = QtWidgets.QVBoxLayout()
-        self.verticalLayout_2.setObjectName("verticalLayout_2")#垂直布局
+        self.verticalLayout_2.setObjectName("verticalLayout_2")
         self.tupiandiaoru = QtWidgets.QPushButton(self.centralwidget)
-        self.tupiandiaoru.setObjectName("tupiandiaoru")#图片导入
+        self.tupiandiaoru.setObjectName("tupiandiaoru")
         self.verticalLayout_2.addWidget(self.tupiandiaoru)
         self.shipindaoru = QtWidgets.QPushButton(self.centralwidget)
-        self.shipindaoru.setObjectName("shipindaoru")#视频导入
+        self.shipindaoru.setObjectName("shipindaoru")
         self.verticalLayout_2.addWidget(self.shipindaoru)
         self.pushButton_xxdaochu = QtWidgets.QPushButton(self.centralwidget)
         self.pushButton_xxdaochu.setObjectName("pushButton_xxdaochu")
@@ -145,13 +147,13 @@ class Ui_MainWindow(object):
         self.xunlian.clicked.connect(MainWindow.press_xunlian)
         self.pushButton_tuichu.clicked.connect(MainWindow.exit)
         self.shipindaoru.clicked.connect(MainWindow.press_movie)
-        self.comboBox_sbsuanfa.activated['QString'].connect(MainWindow.moxingxuanze)
-        self.comboBox_GPU.activated['QString'].connect(MainWindow.gpu_use)
+        self.comboBox_sbsuanfa.activated.connect(MainWindow.moxingxuanze)
+        self.comboBox_GPU.activated.connect(MainWindow.gpu_use)
         QtCore.QMetaObject.connectSlotsByName(MainWindow)
 
     def retranslateUi(self, MainWindow):
         _translate = QtCore.QCoreApplication.translate
-        MainWindow.setWindowTitle(_translate("MainWindow", "MainWindow"))
+        MainWindow.setWindowTitle(_translate("MainWindow", "脉冲聚焦"))
         self.tupiandiaoru.setText(_translate("MainWindow", "静态图像导入"))
         self.shipindaoru.setText(_translate("MainWindow", "动态图像导入"))
         self.pushButton_xxdaochu.setText(_translate("MainWindow", "信息导出"))
@@ -160,7 +162,7 @@ class Ui_MainWindow(object):
         self.comboBox_yclfangfa.setItemText(0, _translate("MainWindow", "多尺度融合"))
         self.comboBox_yclfangfa.setItemText(1, _translate("MainWindow", "图像增广"))
         self.comboBox_yclfangfa.setItemText(2, _translate("MainWindow", "图像重塑"))
-        self.label_3.setText(_translate("MainWindow", "识别算法"))
+        self.label_3.setText(_translate("MainWindow", "聚焦算法"))
         self.comboBox_sbsuanfa.setCurrentText(_translate("MainWindow", "PPYOLO-BOT"))
         self.comboBox_sbsuanfa.setItemText(0, _translate("MainWindow", "PPYOLO-BOT"))
         self.comboBox_sbsuanfa.setItemText(1, _translate("MainWindow", "YOLOV3"))
@@ -170,7 +172,7 @@ class Ui_MainWindow(object):
         self.comboBox_GPU.setItemText(0, _translate("MainWindow", "YES"))
         self.comboBox_GPU.setItemText(1, _translate("MainWindow", "NO"))
         self.label.setText(_translate("MainWindow", "特征选择"))
-        self.shibie.setText(_translate("MainWindow", "识别"))
+        self.shibie.setText(_translate("MainWindow", "聚焦"))
         self.xunlian.setText(_translate("MainWindow", "训练"))
         self.pushButton_jswendang.setText(_translate("MainWindow", "技术文档"))
         self.pushButton_rjwendang.setText(_translate("MainWindow", "软件说明文档"))

main.py

@@ -68,6 +68,7 @@ class mywindow(QtWidgets.QMainWindow, Ui_MainWindow):
         print('cd {}'.format(self.path1))
         print(
             'python deploy/python/infer.py --model_dir={} --video_file={} --use_gpu=True'.format(self.model_path, self.Video_fname))
+       # 调用GPU
         os.system('cd {}'.format(self.path1))
         os.system(
             'python deploy/python/infer.py --model_dir={} --image_dir={} --output_dir=./video_output/{} --threshold=0.3 --use_gpu=True'.format(
@@ -75,8 +76,10 @@ class mywindow(QtWidgets.QMainWindow, Ui_MainWindow):
         # print(self.path1+'video_output/'+self.Video_fname.split('/')[-1])
         # self.cap = cv2.VideoCapture(
         #     self.path1+'video_output/'+self.Video_fname.split('/')[-1])
-        # self.framRate = self.cap.get(cv2.CAP_PROP_FPS
+        # self.framRate = self.cap.get(cv2.CAP_PROP_FPS)
+
         # th = threading.Thread(target=self.Display)
+        # th.start()
 
     def Images_Display(self):
         img_list=[]
@@ -135,6 +138,7 @@ class mywindow(QtWidgets.QMainWindow, Ui_MainWindow):
         #     print(xmlFile)
         #     self.label_movie.setPixmap(QtGui.QPixmap(
         #     self.video_image_path+'/'+xmlFile))
+        #     time.sleep(0.5)
 
     def Sorted(self,files):
         files=[int(i.split('.')[0]) for i in files]
@@ -232,6 +236,7 @@ class mywindow(QtWidgets.QMainWindow, Ui_MainWindow):
         th2 = threading.Thread(target=self.Split)
         th2.start()
         # self.th = threading.Thread(target=self.Display)
+        # self.th.start()
 
 
 

setup.py

@@ -1,12 +1,16 @@
 # Copyright (c) 2020 PaddlePaddle Authors. All Rights Reserved.
+#
 # Licensed under the Apache License, Version 2.0 (the "License");
-# you may not use this file except in compliance with
+# you may not use this file except in compliance with the License.
 # You may obtain a copy of the License at
+#
 #     http://www.apache.org/licenses/LICENSE-2.0
+#
 # Unless required by applicable law or agreed to in writing, software
-# distributed under the License is distributed on an "AS IS" BASIS
-
-
+# distributed under the License is distributed on an "AS IS" BASIS,
+# WITHOUT WARRANTIES OR CONDITIONS OF ANY KIND, either express or implied.
+# See the License for the specific language governing permissions and
+# limitations under the License.
 
 import os.path as osp
 import glob
@@ -33,6 +37,7 @@ def package_model_zoo():
 
     valid_cfgs = []
     for cfg in cfgs:
+        # exclude dataset base config
         if osp.split(osp.split(cfg)[0])[1] not in ['datasets']:
             valid_cfgs.append(cfg)
     model_names = [