LibreYOLO/libreyolo

解決的問題

LibreYOLO 提供統一且 MIT 授權的介面，支援大量電腦視覺任務。無需學習不同模型的多種 API，使用者可透過單一且一致的程式碼庫執行檢測、分割、姿態估計等任務。

工作原理

此套件將 YOLOv9、SAM、Depth Anything 等多種視覺模型封裝於單一 API 後方。使用者僅需更換模型檢查點檔案，即可輕鬆切換不同視覺任務。支援多種輸入來源，包括靜態影像、網路攝影機、RTSP 流與 YouTube URL，並提供內建工具，支援模型訓練與導出至多種部署格式。

適用對象

專為需要快速原型設計、訓練與部署多種視覺模型的電腦視覺開發者與研究人員設計，無需管理多個分散的套件。

主要特色

• 統一 API：支援 17 種不同視覺任務，包括 OCR、深度估計與背景移除，提供一致的介面。
• 廣泛模型支援：涵蓋檢測、分割、分類與 VLM（視覺語言模型）等領域的龐大模型庫。
• 彈性部署：支援導出至 12 種不同格式，包括 ONNX、TensorRT 與 CoreML，並與 NVIDIA Triton 整合。
• 完整訓練支援：內建多 GPU 訓練、LoRA、知識蒸餾功能，並與 Weights & Biases、MLflow 等主流日誌工具整合。