
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
GitHub 星标
★ 850
维护状态
较活跃
是否开源
是
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
是否开源是
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
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···
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
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
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