# SimdYolo **Repository Path**: imiyu/SimdYolo ## Basic Information - **Project Name**: SimdYolo - **Description**: No description available - **Primary Language**: Unknown - **License**: Not specified - **Default Branch**: main - **Homepage**: None - **GVP Project**: No ## Statistics - **Stars**: 0 - **Forks**: 0 - **Created**: 2026-10-20 - **Last Updated**: 2026-11-15 ## Categories & Tags **Categories**: Uncategorized **Tags**: None ## README # SimdYolo 简体中文 · [English](README.en.md) · [NuGet](https://www.nuget.org/packages/SimdYolo/) · [Releases](https://github.com/donet-org-cn/SimdYolo/releases) **面向 .NET 10 的纯 C# YOLO 推理与检测头微调库。** 直接加载受支持的 PyTorch 权重和 ONNX 模型,在 CPU 上使用 SIMD,也可选择 Vulkan 或 Metal 进行 GPU 推理。推理和训练核心无需 Python、PyTorch 或 ONNX Runtime。 ## 功能 | 功能 | 支持范围 | | --- | --- | | 图片推理 | 目标检测、实例分割、姿态估计。统一的 C# API 接受 RGB24 或 BGR24 像素,返回检测框、掩码或关键点。 | | 模型 | 支持完整模型权重 `.pt` / `.pth`、受支持算子的 ONNX 和训练检查点 `.sytrain`。已验证 YOLOv8、v9、v10、YOLO11 和 YOLO26 的指定模型。 | | 推理后端 | 默认 FP32。CPU 使用 SIMD,Vulkan 需要兼容的显卡驱动与 Vulkan loader,Metal 用于 macOS。 | | 训练与导出 | `SimdYolo.Training` 支持冻结骨干和特征金字塔后的检测头微调,可验证、早停、保存与恢复。受支持的 PT 和 SYTRAIN 模型可导出为 ONNX。 | | 网页示例 | 本地 ASP.NET Core 应用,支持图片推理、人物与车辆分离、背景去除、检测框标注和微调。 | [模型与许可证](models/README.md) · [推理 API 与兼容范围](docs/inference.md) · [训练指南](docs/training.md) · [导出与模型工作流](docs/model-workflows.md) ## 快速上手 ### 运行本地网页 安装 .NET 10 SDK 和 Git LFS 后运行: ~~~sh git clone https://github.com/donet-org-cn/SimdYolo.git cd SimdYolo git lfs pull dotnet run --project examples/SimdYolo.Web -c Release ~~~ 打开 [http://127.0.0.1:5188](http://127.0.0.1:5188),选择模型和 CPU 或可用的 GPU 后端,上传 JPG 或 PNG。点击「人物 / 车辆示例」可用内置照片试用实例分割并下载透明 PNG。 ![SimdYolo 网页推理示例](artifacts/validation/0.11.2/web/web-inference.png) ### 在 C# 项目中推理 ~~~sh dotnet new console -f net10.0 -o SimdYoloDemo cd SimdYoloDemo dotnet add package SimdYolo --version 0.11.4 ~~~ 把 [YOLOv8n 权重](https://media.githubusercontent.com/media/donet-org-cn/SimdYolo/v0.11.4/models/pt/yolov8n.pt) 保存为项目目录里的 `yolov8n.pt`,然后替换 `Program.cs`: ~~~csharp using SimdYolo; if (args.Length != 3) { Console.WriteLine("Usage: dotnet run -- "); return; } byte[] rgb24 = File.ReadAllBytes(args[0]); int width = int.Parse(args[1]); int height = int.Parse(args[2]); using var detector = new YoloDetector("yolov8n.pt", new DetectorOptions { Device = ComputeDevice.Cpu }); foreach (var instance in detector.Predict(rgb24, width, height)) { var box = instance.Box; Console.WriteLine($"{detector.ClassNames[box.ClassId]}: {box.Confidence:P1}"); } ~~~ 用图像库将图片解码为紧密排列的 RGB24 字节,每个像素三个字节,按 R、G、B 顺序保存为 `image.rgb`。例如原图为 640×480 时,运行 `dotnet run -- image.rgb 640 480`。将设备设为 `ComputeDevice.Vulkan` 可在支持的设备上启用 Vulkan。处理连续帧时可复用同一个 `YoloDetector`。 需要微调时安装 `dotnet add package SimdYolo.Training --version 0.11.4`,并按[训练指南](docs/training.md)准备检测数据集。 ## 性能 0.11.4 发布前最后一轮优化,在 Windows、Core i7-12700 和 RTX 3060 上测得如下稳态中位耗时。使用 FP32、640×640、batch 1、12 CPU 线程,两版本测试进程均请求 HighQoS;Vulkan 计时包含输入上传和输出回读。**基线已含本版前期优化,下面不是与 NuGet 0.11.3 原包的完整版本对照。** | 模型 | 后端 | 优化前 | 优化后 | | --- | --- | ---: | ---: | | YOLOv8n PT | CPU SIMD | 23.036 ms | 23.164 ms | | YOLO11n PT | CPU SIMD | 21.928 ms | 21.844 ms | | YOLO26n-seg PT | CPU SIMD | 30.705 ms | 30.544 ms | | YOLOv8n PT | Vulkan | 4.204 ms | 3.768 ms | | YOLO11n PT | Vulkan | 4.270 ms | 4.076 ms | | YOLO26n-seg PT | Vulkan | 6.157 ms | 5.846 ms | | YOLOv8n ONNX | Vulkan | 4.126 ms | 3.684 ms | 这些配置的 Vulkan 耗时降低 **4.55%~10.70%**。常规 CPU PT 中位数基本持平,每帧托管分配减少 **3.07%~4.04%**;ONNX CPU 初测慢 5.45%、加长复测快 1.56%,未确认稳定提速。继承本机后台启动环境的另一组 CPU 测试耗时降低 42.84%~45.81%,该比例仅适用于该调度条件。GPU 进程工作集增加约 48~75 MiB,默认仍为 FP32。[发布说明](docs/releases/v0.11.4.md) · [完整数据、输出核对与限制](artifacts/cpu-gpu-optimization-2026-11-11.md) [0.11.2 的 11 模型 PyTorch / ONNX Runtime 对照](artifacts/runtime-comparison-0.11.2.md) · [加载与首帧性能](artifacts/startup-optimization-0.11.3.md) · [图片与掩码性能](artifacts/image-pipeline-optimization-0.11.1.md) · [训练性能](artifacts/training-optimization-0.10.1.md) ## 文档与下载 [NuGet 推理包](https://www.nuget.org/packages/SimdYolo/) · [NuGet 训练包](https://www.nuget.org/packages/SimdYolo.Training/) · [最新 GitHub Release](https://github.com/donet-org-cn/SimdYolo/releases/latest) [文档导航](docs/README.md) · [网页示例说明](examples/SimdYolo.Web/README.md) · [验证记录](VALIDATION.md) · [第三方说明](THIRD_PARTY_NOTICES.md)