darknet

轻量 C 框架,CPU 也能跑 YOLO 实时检测

Darknet 是一个用 C 和 CUDA 编写的开源神经网络框架,由 Joseph Redmon 创建,最著名的用途是训练和运行 YOLO 系列实时目标检测模型。它解决的核心问题是让目标检测模型能在普通 CPU 或单块 GPU 上高效推理与训练,而不依赖庞大的深度学习生态。框架自带卷积、池化、区域层等底层实现,支持 YOLOv2/v3 等经典结构,提供命令行工具完成数据标注转换、模型训练、权重导出和图片/视频检测。由于代码轻量、依赖极少,它常被用于嵌入式设备、边缘计算和教学演示,很多 YOLO 权重最初都以 darknet 格式发布,后续被其他框架转换使用。

开源 free 计算机视觉
访问官网 ↗ GitHub ↗ 文档 ↗
GitHub 星标 ★ 850
维护状态 较活跃
是否开源
定价模式 free

项目数据

分类计算机视觉
开发团队hank-ai
所属国家
定价模式free
价格说明开源免费,需自行编译部署
访问状态
是否开源
开源协议Apache-2.0
主要语言C++
技术栈/模型computervision,darknet,machine-learning,neural-networks,object-detection,yolo
GitHub 星标★ 850
30天Star增速
HF 下载量
上线时间2023-05-18 00:00:00
最近更新2026-09-14 00:00:00
维护状态较活跃
中文支持
访问方式
移动端支持
综合评分
收录时间2026-09-13
浏览次数2

使用教程

核心亮点

  • 纯 C/CUDA 实现,依赖极少,可在无 Python 环境的设备上编译运行
  • 原生支持 YOLO 系列权重与配置文件,是大量预训练模型的原始发布格式
  • 提供训练、推理、视频流检测等完整命令行工具链,上手路径短

不足之处

  • 项目维护基本停滞,新模型和新特性支持有限
  • 文档分散,配置项和编译选项对新手不够友好

适用场景

  • 在嵌入式或边缘设备上部署 YOLO 做实时目标检测
  • 把 darknet 格式的 YOLO 权重转换到其他推理框架
  • 教学或研究中理解目标检测网络的底层 C 实现

替代项目

ultralytics/yolov5、AlexeyAB/darknet

项目介绍

darknet 是一个计算机视觉领域的开源项目,官方简介:Darknet/YOLO object detection framework。项目使用 C++ 开发,在 GitHub 上获得 849 星标。

上一篇:Savant

下一篇:paz

同类项目推荐

modlens 开源

给纯文本编码代理装上眼睛,粘贴图片即刻获得结构化视觉证据。

The first vision plugin for DeepSeek Harness, and the vision bridge for every text-o···

★ 3995 2026-08-19
opencv 开源

开箱即用的视觉算法库,搞定图像视频处理与识别

Open Source Computer Vision Library

★ 90893 2026-08-10
OpenCVTutorials 开源

中文 OpenCV 教程,从入门到实战,边看边跑代码

OpenCV-Python4.1 中文文档

★ 1430 2026-08-20
DEIMv2 开源

用DINOv3做实时检测,又快又准,直接落地。

[DEIMv2] Real Time Object Detection Meets DINOv3

★ 2035 2026-08-14