我正在尝试在本地运行本项目。然而因为缺乏 requirements.txt 或 pyproject.toml 这样的依赖项声明文件，导致我不能确认我正在使用的依赖项是否全面、是否与作者机器上的版本兼容（事实上，在我的机器上貌似已经因为 Python 和 PyQt5 版本兼容问题而导致无法运行了）。

故提议添加这样的依赖项声明文件。以下是我尝试编写的一版 pyproject.toml，但在具体版本上似乎存在问题，需要作者将其修正。

# 不准确的 pyproject.toml 样板

[tool.poetry]
name = "labeltrack"
version = "0.1.0"
description = "针对于多目标跟踪的图形化自动标注平台"
authors = ["DD-DuDa <[email protected]>"]
license = "BSD-3-Clause"
repository = "https://github.com/DD-DuDa/LabelTrack"

# 使用清华pypi镜像
[[tool.poetry.source]]
name = "tsinghua"
url = "https://pypi.tuna.tsinghua.edu.cn/simple"
default = true

[tool.poetry.dependencies]
python = "^3.9"
PyQt5 = "^5.15.7"
opencv-python = "^4.6.0"
qt-material = "^2.12"


[tool.poetry.dev-dependencies]
black = "^22.6.0"
isort = "^5.10.1"

[build-system]
requires = ["poetry-core>=1.0.0"]
build-backend = "poetry.core.masonry.api"

如果不太熟悉 Poetry 工具或 pyproject.toml 配置文件，可以参考我的这篇译文：使用 Python Poetry 进行依赖项管理（翻译）

我注意到本项目缺乏项目描述和许可证文件。

建议作者添加这些内容。个人理解，没有开源许可的项目从某种意义上失去开源的意义：社区其他开发者无法使用这样的项目的代码，也很难为其进行贡献。

我注意到本项目的 GUI 部分目前是使用 PyQt5 实现。然而在对代码改动很小（几乎只需要修改 import 语句即可）的前提下即可迁移至 PySide2 / PySide6。

相比 PyQt，PySide 主要有如下优势：

• 由 Qt 官方提供支持
• 使用更加宽松的 LGPL 协议

更多信息可参考这篇文章：PyQt vs PySide Licensing

而基于 Qt 6 的 PySide6 比基于 Qt5 的 PyQt5 有性能更佳、对高分辨率显示器支持更好等优势。

综上，如果项目作者有意将本项目的 GUI 部分从 PyQt5 迁移至 PySide6，请在本 issue 下讨论。我将在近期完成迁移工作并提交 PR。

刚完成本科毕业设计设计不久，看到自动标注的关键字简直DNA动了๐•ᴗ•๐

• 兄弟的代码功力和学习能力了得，前端漂亮实用，接近落地水平了。（看到你在B站自信地展现自我，作为同龄人的我也是备受鼓舞的）

• 相较于你做的融合追踪模块的自动标注项目，我的项目思路与功能主要是：

1. 使用Yolov5（单阶段目标检测）做定位和初步分类再用Clip（多模态相似度计算）做二次分类实现了人物面部与肢体情绪识别（其实还可以做很多事的，只不过这个最好玩）
2. 分别基于单阶段目标检测/孪生网络实现了自动生成目标检测/分类数据集（.txt格式）

• 看到兄弟的项目刚好和我的相近且互补，就忍不住@了，希望以后能向你学习(◍•ᴗ•◍)

我的项目地址：https://github.com/1844520476/Undergraduate-Graduation-Project