LibreYOLO 文档
一套用于计算机视觉的 Python API：覆盖检测、分割、姿态、深度、OCR 等任务，每项任务都支持训练、验证和导出。代码采用 MIT 许可，因此你构建的成果仍归你所有。
安装
pip install libreyolo- 模型
- 86 个家族，从当前旗舰到历史检测器，都由一个工厂加载
- 任务
- 17 项，从检测到视线估计和人体网格恢复
- 权重
- 此处记录的家族共有 244 个已发布的检查点，首次使用时从 huggingface.co/LibreYOLO 下载
- 导出
- 12 种格式，包括 ONNX、TensorRT、CoreML、TFLite 和 Core AI
- 许可
- 代码采用 MIT 许可。权重沿用上游许可，并按检查点分别注明
你想做什么？
所有任务- 目标检测
- 输出检测框和类别。这是默认任务，也是大多数家族支持的任务。
- 实例分割
- 为每个目标生成掩码，每次检测对应一个掩码。
- 语义分割
- 为每个像素分配类别，但不区分目标实例。
- 全景分割
- 在同一输出中结合语义分割和实例分割。
- 姿态估计
- 自顶向下或自底向上地预测每个目标的关键点。
- 图像分类
- 每张图像一个标签，包括使用 CLIP 和 SigLIP2 的零样本分类。
- 旋转框检测
- 使用旋转框，适用于航拍和文档图像。
- 点检测
- 用中心点代替检测框。适合计数和极小模型。
- 深度估计
- 从单张图像估计每个像素的深度。
- 图像修复
- 去噪、去模糊和放大。
- 背景移除
- 生成用于抠图的 Alpha 蒙版。
- 文字识别（OCR）
- 一次完成文本检测和识别。
- 人脸识别
- 生成人脸嵌入向量和身份库。
- 视线估计
- 估计人的视线方向。
- 目标跟踪
- 通过任意检测器跨视频帧保持目标身份。
- 开放词汇检测
- 无需训练，检测你在运行时指定的类别。
- 可提示分割
- 使用 SAM 等模型分割你所指的任何目标。
选择哪个模型？
所有模型除非有其他理由，否则从旗舰开始。每项功能都会先针对它们设计并在 GPU 上验证，每个页面也列出该家族的检查点、导出矩阵和许可。
- RF-DETR
- 4 项任务，19 个检查点。
- YOLOv9
- 检测，9 个检查点。
- DEIM
- 检测，13 个检查点。
- D-FINE
- 2 项任务，10 个检查点。
- EdgeCrafter
- 3 项任务，12 个检查点。
- RT-DETR
- 2 项任务，21 个检查点。
- YOLO-NAS
- 2 项任务，权重由作者而非我们分发。
- ConvNeXt
- 检测，3 个检查点。
- DINOv2
- 3 项任务，权重由作者而非我们分发。
- Dome-DETR
- 检测，权重由作者而非我们分发。
- EfficientNetV2
- 检测，4 个检查点。
- FOMO
- 检测，3 个检查点。
- LingBot-Vision
- 检测，3 个检查点。
- MobileNetV4
- 检测，3 个检查点。
- NAFNet
- 检测，1 个检查点。
- PicoDet
- 检测，3 个检查点。
- ResNet
- 检测，4 个检查点。
- RTMDet
- 2 项任务，10 个检查点。
- SegFormer
- 检测，6 个检查点。
- YOLOv7
- 检测，1 个检查点。
- YOLOX
- 检测，6 个检查点。
- AlexNet
- 检测，1 个检查点。
- BiRefNet
- 检测，1 个检查点。
- CenterNet
- 检测，2 个检查点。
- DeepLabv3
- 检测，3 个检查点。
- Deformable DETR
- 检测，5 个检查点。
- Depth Anything 3
- 检测，1 个检查点。
- Depth Anything V2
- 检测，3 个检查点。
- DETR
- 检测，4 个检查点。
- DexiNed
- 检测，权重由作者而非我们分发。
- DINO-DETR
- 检测，3 个检查点。
- EfficientDet
- 检测，5 个检查点。
- EoMT
- 3 项任务，6 个检查点。
- Faster R-CNN
- 检测，4 个检查点。
- FCN
- 检测，2 个检查点。
- FCOS
- 检测，1 个检查点。
- FeyNobg
- 检测，3 个检查点。
- HRNet
- 检测，2 个检查点。
- L2CS-Net
- 检测，权重由作者而非我们分发。
- LibreFaceRec
- 检测，权重由作者而非我们分发。
- LW-DETR
- 检测，5 个检查点。
- Mask R-CNN
- 2 项任务，1 个检查点。
- MiDaS
- 检测，权重由作者而非我们分发。
- MoGe-2
- 检测，权重由作者而非我们分发。
- PIDNet
- 检测，3 个检查点。
- PP-OCRv5
- 检测，2 个检查点。
- Real-ESRGAN
- 检测，3 个检查点。
- RetinaNet
- 检测，2 个检查点。
- SAM 3D Body
- 检测，2 个检查点。
- SSD
- 检测，1 个检查点。
- Swin Transformer
- 检测，4 个检查点。
- SwinIR
- 检测，3 个检查点。
- TEED
- 检测，权重由作者而非我们分发。
- VGG
- 检测，4 个检查点。
- ViT
- 检测，4 个检查点。
- ZipDepth
- 检测，2 个检查点。
- DeiT
- 检测，3 个检查点。
- YOLOv1
- 检测，1 个检查点。
- YOLOv2
- 检测，2 个检查点。
- YOLOv3
- 检测，3 个检查点。
- YOLOv4
- 检测，2 个检查点。
- CLIP
- 2 项任务，2 个检查点。
- EdgeTAM
- 检测，1 个检查点。
- Florence-2
- 检测，权重由作者而非我们分发。
- Grounding DINO
- 检测，2 个检查点。
- InternVL3
- 检测，权重由作者而非我们分发。
- Kosmos-2
- 检测，权重由作者而非我们分发。
- LFM2-VL
- 检测，权重由作者而非我们分发。
- LibreMODUS
- 4 项任务，权重由作者而非我们分发。
- LocateAnything
- 2 项任务，权重由作者而非我们分发。
- MobileSAM
- 检测，1 个检查点。
- OMDet-Turbo
- 检测，1 个检查点。
- OV-DEIM
- 检测，3 个检查点。
- OWLv2
- 检测，2 个检查点。
- PicoSAM3
- 检测，1 个检查点。
- Qwen3-VL
- 检测，权重由作者而非我们分发。
- SAM
- 检测，权重由作者而非我们分发。
- SAM 2
- 检测，4 个检查点。
- SAM 3
- 检测，权重由作者而非我们分发。
- SenseNova-Vision
- 7 项任务，1 个检查点。
- SigLIP2
- 2 项任务，2 个检查点。
- SmolVLM2
- 检测，权重由作者而非我们分发。
来自实测，而非宣称
Vision Analysis这些文档中的每项精度和延迟数据都来自我们发布的运行记录，并同时记录硬件、运行时和精度模式。下图使用实时数据。
使用模型
关于许可
LibreYOLO 的代码采用 MIT 许可。它不要求你开源应用，不会约束模型权重，也不会因你销售构建的产品而改变。预训练权重另行处理：每份权重都采用其训练者的许可，文档会按检查点分别注明，不会笼统概括。少数权重仅限非商用，文档中会明确说明。