LibreYOLO/libreyolo

解决的问题

LibreYOLO 提供了一个统一的、MIT 许可证的 API，适用于大量计算机视觉任务。它消除了在检测、分割、姿态估计及其他视觉相关 AI 任务之间切换时，需要在不同库或复杂设置之间切换的麻烦。

工作原理

该库使用单一且一致的接口，具体任务由加载的模型检查点决定。用户仅需使用相同的三行代码，即可在二十种不同的视觉任务中执行推理、训练和导出。它支持多种输入源，包括图像、网络摄像头、RTSP 流、YouTube URL 和屏幕捕获。

适用人群

专为需要一个全面且易于安装和部署于各种硬件后端的计算机视觉工具包的开发者和研究人员设计。

主要亮点

• 统一 API：一个接口支持检测、分割、姿态、深度、OCR 等多种任务。
• 广泛模型支持：包含 YOLOv9、SAM 2、Depth Anything 以及多种 VLM 的庞大模型库。
• 跨平台导出：支持 ONNX、TensorRT、OpenVINO 和 CoreML 等十二种不同格式。
• 集成训练：内置多 GPU 训练、LoRA 支持，以及与 Weights & Biases、MLflow 等日志工具的集成。
• 灵活输入：支持直播流、屏幕捕获等多种输入源。