LibreYOLO/libreyolo

解决的问题

LibreYOLO 为大量计算机视觉任务提供统一且 MIT 许可的接口。无需学习不同模型的多种 API，用户可使用单一、一致的代码库完成检测、分割、姿态估计等任务。

工作原理

该库将 YOLOv9、SAM、Depth Anything 等多种视觉模型封装在单一 API 之后。用户只需更换模型检查点文件，即可轻松切换不同视觉任务。支持多种输入源，包括静态图像、网络摄像头、RTSP 流和 YouTube URL，并提供内置工具用于模型训练和导出至多种部署格式。

适用人群

专为需要快速原型设计、训练和部署多种视觉模型的计算机视觉开发者和研究人员设计，无需管理多个分散的库。

主要亮点

• 统一 API：支持 17 种不同的视觉任务，包括 OCR、深度估计和背景移除，提供一致的接口。
• 广泛模型支持：涵盖检测、分割、分类和 VLM（视觉语言模型）等领域的庞大模型库。
• 灵活部署：支持导出至 12 种不同格式，包括 ONNX、TensorRT 和 CoreML，并与 NVIDIA Triton 集成。
• 全面训练支持：内置多 GPU 训练、LoRA、知识蒸馏功能，并与 Weights & Biases、MLflow 等主流日志工具集成。