YOLO相关开源项目

🚀 核心框架

Ultralytics YOLO

• 仓库：https://github.com/ultralytics/ultralytics

• 说明：YOLO 工程化的主流实现，统一覆盖检测、分割、分类、姿态估计、跟踪等任务，提供 Python API 与 CLI，生态最完整。需注意其默认采用 AGPL-3.0 协议。

⚡️ 部署与加速

TensorRT-YOLO

• 仓库：https://github.com/laugh12321/TensorRT-YOLO

• 说明：专为 NVIDIA 设备设计的推理部署工具，集成 TensorRT 插件增强后处理，目标是在 NVIDIA 硬件上获得极致的推理速度。

SAHI（Slicing Aided Hyper Inference）

• 仓库：https://github.com/obss/sahi

• 说明：小目标检测专用工具。通过将大图切片推理再合并结果，让微小物体在切片中“变大”，显著提升检出率。框架无关，可与 Ultralytics、MMDetection 等多种模型配合使用。

PaddleYOLO

• 仓库：https://github.com/PaddlePaddle/PaddleYOLO

• 说明：基于 PaddlePaddle 的 YOLO 系列模型库，包含 YOLOv5、YOLOX、RTMDet 等实现。适合深度绑定 Paddle 生态或需要利用国产硬件优化的场景。

🌐 多语言生态（C# / .NET）

YoloSharp（纯 C# / TorchSharp）

• 仓库：https://github.com/intptrmax/yolosharp

• 说明：100% 纯 C# 实现，无需 Python 环境，基于 TorchSharp 完成从训练到推理的全流程。支持 YOLOv5/v8/v11/v12 及多种任务类型，适合 .NET 桌面、后端或游戏集成。

• 备选：https://github.com/dme-compunet/YoloSharp 是另一个 C# 实现，但基于 ONNX-Runtime 推理，而非纯 C# 训练。

🛡️ 协议友好型替代

LibreYOLO

• 仓库：https://github.com/LibreYOLO/libreyolo

• 说明：采用 MIT 协议，对商业使用最友好。提供统一的 Python API，覆盖检测、分割、姿态估计等任务，并集成了 YOLOv9、YOLOX、RF-DETR 等模型支持。

🛠️ 数据标注

VisioFirm

• 仓库：https://github.com/OschAI/VisioFirm

• 说明：AI 辅助标注工具，可利用预训练的 YOLO 模型为数据集生成初始标注建议，减少手动框选工作量。

OneOpen Annotator

• 仓库：https://github.com/1-OpenSource/OneOpen-Annotator

• 说明：同样聚焦 AI 辅助标注，集成 YOLO 与 SAM 的自动标注能力，支持 bbox 与多边形标注。

📚 资源索引

awesome-yolo-object-detection

• 仓库：https://github.com/coderonion/awesome-yolo-object-detection

• 说明：持续维护的 YOLO 资源汇总列表，涵盖开源项目、模型变体与数据集，适合作为查找特定方向项目的入口。

💎 快速选型提示