YOLOv11 目标检测与模型训练系统产品系统

深度学习框架: PyTorch, Ultralytics YOLOv11

GUI 框架: PySide6 或 PyQt5 (根据 app.py 使用的库，通常此类 Modern GUI 使用的是这两者之一，部分项目使用 CustomTkinter，建议查看 app.py 头部 import 确认，若不确定可填 "Python GUI Framework")

图像处理: OpenCV, Pillow (PIL)

核心算法: 采用最新的 YOLOv11 算法，兼顾检测速度与精度。

一站式流程: 集成环境检测、数据集配置、模型训练、结果可视化等全流程功能。

多模态检测: 支持图片文件、视频文件以及实时摄像头画面的目标检测。

可视化交互: 通过直观的 GUI 界面展示检测结果（边界框、置信度、类别），并支持训练过程中的参数配置与日志监控。

扩展性: 支持加载自定义训练的 .pt 模型文件，适应不同场景的检测需求。

现代化 UI 设计: 界面美观简洁，操作逻辑清晰，提升用户体验。

实时性强: 优化的推理管道，支持高帧率的视频流实时检测。

灵活配置: 用户可自定义训练参数（如 Epochs, Batch Size），并支持一键导出/加载模型。

开箱即用: 代码结构完整，包含示例数据（如 mydata.yaml），便于快速部署和测试。