在[一] 基于PyQt的图像算法开发软件——如何让你开发效率翻倍中，展示了该软件基于截图功能获取输入源进行图像处理的使用流程。在本篇章，我将对软件的输入来源进行更加详细的介绍。并通过导入视频进行目标检测作为例子进行介绍。

在学习完图像处理之后，我开始接触目标检测任务，其中YOLO系列的代码可读性强，容易上手，那时候最新的YOLO模型是YOLOv5，我就以它为基础开始做数据集，训练，推理。刚开始跑跑代码还好，后面每次我想将模型对几张图片进行推理，就要修改图像路径，设置模型的一些后处理参数，结果不理想，又要重新调整模型的参数，再次运行。加载完成后弹出交互界面，可以对界面里面的类别进行勾选表示是否对该类别绘制矩形框，下方

这个demo主要功能就是可以把一些算法组成一个模块，然后各个模块可以任意组合，形成一个更加复杂的算法。针对各个模块的算法能够进行更改参数，并立马得到直观的反馈。一个算法列表里面的算法可以展开查看具体算法顺序双击想要修改的算法，即可直接修改参数（这个并不人性化，但不想优化了）在已执行区会保存每一次算法执行的结果通过点击即可查看效果，然后想要回退到某个位置时，通过双击即可删除后面的算法经过调完参后可以

pytorch+pyqt5 制作一个基于yolov5的图像检测功能，并可将识别结果转为数据集

一款高效的图像算法开发软件，低代码即可完成图像算法开发, 摆脱代码调参的烦恼，并提供友好的交互方式供你对照前后效果。