SimdYolo 0.11.5
dotnet add package SimdYolo --version 0.11.5
NuGet\Install-Package SimdYolo -Version 0.11.5
<PackageReference Include="SimdYolo" Version="0.11.5" />
<PackageVersion Include="SimdYolo" Version="0.11.5" />
<PackageReference Include="SimdYolo" />
paket add SimdYolo --version 0.11.5
#r "nuget: SimdYolo, 0.11.5"
#:package SimdYolo@0.11.5
#addin nuget:?package=SimdYolo&version=0.11.5
#tool nuget:?package=SimdYolo&version=0.11.5
SimdYolo
简体中文 · English · NuGet · 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 · 推理 API 与兼容范围 · 训练指南 · 导出与模型工作流
快速上手
运行本地网页
安装 .NET 10 SDK 和 Git LFS 后运行:
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,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。
在 C# 项目中推理
dotnet new console -f net10.0 -o SimdYoloDemo
cd SimdYoloDemo
dotnet add package SimdYolo --version 0.11.5
把 YOLOv8n 权重 保存为项目目录里的 yolov8n.pt,然后替换 Program.cs:
using SimdYolo;
if (args.Length != 3)
{
Console.WriteLine("Usage: dotnet run -- <image.rgb> <width> <height>");
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 0.11.5,并按训练指南准备检测数据集。
性能
0.11.5 为 ARM64 卷积增加 NEON 分块计算,并默认关闭 AVX-512。Xeon 实机的 AVX-512 开关对照和适用范围见 0.11.5 发布说明。
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 · 完整数据、输出核对与限制
0.11.2 的 11 模型 PyTorch / ONNX Runtime 对照 · 加载与首帧性能 · 图片与掩码性能 · 训练性能
文档与下载
| Product | Versions Compatible and additional computed target framework versions. |
|---|---|
| .NET | net10.0 is compatible. net10.0-android was computed. net10.0-browser was computed. net10.0-ios was computed. net10.0-maccatalyst was computed. net10.0-macos was computed. net10.0-tvos was computed. net10.0-windows was computed. |
-
net10.0
- No dependencies.
NuGet packages (2)
Showing the top 2 NuGet packages that depend on SimdYolo:
| Package | Downloads |
|---|---|
|
SimdYolo.Training
Pure managed YOLOv8/v9/v10/YOLO11/YOLO26 detection-head fine-tuning with CPU SIMD and optional Vulkan matrix operations. |
|
|
ZlmSharp.Extra
Package Description |
GitHub repositories
This package is not used by any popular GitHub repositories.
ARM64 NEON convolution panels, CPU INT8 SIMD dispatch, MaxPool ceil-mode support, PlateNet ONNX export, and Android Vulkan loading. AVX-512 requires explicit opt-in. https://github.com/donet-org-cn/SimdYolo/releases/tag/v0.11.5