YOLOE 开放词汇检测 ONNX / TensorRT 推理开源了最近整理并开源了一个 YOLOE 推理项目重点针对YOLOE 开放词汇检测Open-Vocabulary Detection的工程化部署实现了ONNX TensorRT推理。⭐GitHub 项目地址https://github.com/Jay-zzcoder/yolo_inference-python YOLOE 到底有什么特别传统 YOLO 最大的限制之一训练了哪些类别就主要检测哪些类别。而YOLOE最大的特点之一就是支持Open-Vocabulary Detection —— 开放词汇检测不再局限于固定类别可以根据不同的 Prompt / 类别描述灵活指定想要检测的目标。例如personcarhelmetforkliftfire extinguisher……从传统的“模型只能检测固定类别”逐渐走向“告诉模型我想找什么它帮我检测什么。”这也是我认为 YOLOE 非常值得关注的地方。 这个项目主要做了什么我把 YOLOE 的推理流程进行了工程化整理目前重点实现YOLOE-Seg Prompt-free↓ONNX Runtime 推理↓TensorRT 推理让 YOLOE 不仅可以在 PyTorch 环境下运行也可以进一步走向实际部署。⚡ 为什么还要做 ONNX TensorRT模型训练完成只是第一步。真正部署的时候经常会遇到❌ PyTorch 推理速度不够理想❌ ONNX 导出后不知道怎么跑❌ TensorRT 部署流程复杂❌ 后处理需要自己重新实现❌ 不知道到底哪里是性能瓶颈所以这个项目把整个流程尽可能整理到一起.pt → ONNX → TensorRT并支持✅ ONNX Runtime✅ TensorRT✅ FP16✅ Benchmark✅ Preprocess / Inference / Postprocess / NMS 分阶段耗时分析✅ 单张图片推理✅ 文件夹批量推理✅ 推理结果可视化 开放词汇检测有什么意义我觉得真正有意思的是它的应用场景。对于机器人、工业视觉、智能监控等真实环境你很难提前定义世界上所有可能出现的目标。而开放词汇检测提供了一种更加灵活的方式需要检测什么就描述什么。特别是在 机器人视觉 具身智能 工业视觉 自动驾驶 智慧监控 开放场景目标检测这些场景中都有比较大的应用潜力。 项目地址⭐GitHubhttps://github.com/Jay-zzcoder/yolo_inference-python如果你正在研究YOLOE / Open-Vocabulary Detection / ONNX / TensorRT欢迎来看看也欢迎 ⭐ Star希望这个项目能够帮助大家更方便地把YOLOE 从“研究模型”真正落到“工程部署”。#YOLOE #开放词汇检测 #OpenVocabularyDetection #目标检测 #TensorRT #ONNX #ONNXRuntime #计算机视觉 #深度学习 #模型部署 #机器人视觉 #具身智能 #GitHub开源