ultralytics/yolo-ios-app

Ultralytics YOLO iOS app and Swift package for real-time Core ML inference across major computer vision tasks.

解决的问题

此项目可在 iOS 和 iPadOS 上实现实时的设备端 AI 视觉任务。它通过提供一个原生框架，让 YOLO 模型能直接在 Apple 硬件上执行，从而无需云端处理，确保了更低的延迟与更好的隐私保护。

运作原理

该项目包含一个用于即时测试的主 iOS 应用程序，以及一个供开发者整合至其应用程序中的 Swift Package (SDK)。它利用 Apple 的原生框架，特别是 Core ML 和较新的 Core AI (.aimodel)，在 Apple Neural Engine (ANE) 和 GPU 上执行推论。它支持广泛的任务，包括使用 YOLO11 和 YOLO26 模型的目标检测、实例与语义分割、深度估计、分类以及姿态估计。

目标客群

  • iOS 开发者：希望使用轻量级 Swift 套件为其应用程序添加实时计算机视觉功能的开发者。
  • AI 研究人员与爱好者：希望在实体 iPhone 或 iPad 上测试 YOLO 模型，而无需从零开始编写完整应用程序的人员。

特色亮点

  • 高性能：在新款 iPhone 上可达到相机帧率等级的推论速度 (~30 FPS)。
  • 广泛的任务支持：处理从标准目标检测到定向边界框 (OBB) 和深度估计的所有任务。
  • 零第三方依赖：完全使用纯 Swift 和 Apple 原生框架构建。
  • 灵活的模型加载：支持捆绑的 nano 模型、按需下载较大变体，以及用户自定义的 Core ML/Core AI 模型。

相关

  • 项目
    ultralytics/ultralytics

    一个全面的计算机视觉框架，提供用于实时目标检测、分割、分类和姿态估计的 YOLO 模型。

  • 项目
    FaceAISDK/FaceAISDK_iOS

    一个用于 iOS 的设备端、离线 SDK，提供人脸检测、识别、活体检测和反欺骗功能。

  • 项目
    ultralytics/yolo-flutter-app

    YOLO Flutter 是 Ultralytics 官方推出的 Flutter 插件，支持在 iOS 和 Android 设备上进行 YOLO 推理（检测、分割、深度、分类、姿态、OBB）。它提供单一 Dart API——用于单张图像推理的 `YOLO` 和用于实时相机推理的 `YOLOView`——并处理官方 LiteRT/Core ML 模型的自动下载与缓存、自定义模型加载、基于元数据的任务推理，以及可选的 Qualcomm NPU 支持。

  • 项目
    Geekgineer/YOLOs-CPP

    一个可投入生产的 C++ 推理引擎，为整个 YOLO 家族提供统一的 API，支持从目标检测到度量深度估计的各种任务。

  • 项目
    aparsoft/yolo-streamlit-detection-tracking

    YOLO Vision Studio 是一个基于 Streamlit 的 Web 应用，可运行 Ultralytics YOLO 模型进行检测、分割、姿态估计、文本提示对象搜索以及多对象追踪。它实时显示当前帧中的对象数量和迄今为止已确认的唯一 ID 数量，并提供流失率指标以评估追踪质量。支持摄像头、RTSP、YouTube 和本地视频源，提供四种内置追踪器及可选外观 ReID。通过 `uv sync`（或 pip）安装，运行 `streamlit run app.py` 即可立即开始分析视频。