DART

用前沿模型实时检测视频里的任何目标

DART 是一个基于前沿目标检测模型的实时检测工具，用 Python 实现，核心目标是把高性能检测模型落地到实时场景。它解决的是传统检测流程中模型推理慢、部署链路长的问题：用户无需从零搭建推理服务，即可在视频流或摄像头输入上运行目标检测，并保持实时帧率。项目整合了当前主流的前沿检测模型，提供统一的调用接口，方便切换不同模型做效果与速度的权衡。适合做视频监控、机器人感知、自动驾驶辅助、直播内容分析等需要低延迟检测的场景。作为早期项目，它更偏向快速验证与原型搭建，代码结构相对轻量，便于二次开发。

开源 free 计算机视觉

访问官网 ↗ GitHub ↗ 文档 ↗

GitHub 星标 ★ 749

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mkturkcan

所属国家

官网地址

GitHubhttps://github.com/mkturkcan/DART

定价模式free

价格说明开源免费，无在线服务

访问状态

是否开源是

开源协议NOASSERTION

主要语言Python

技术栈/模型

GitHub 星标★ 749

30天Star增速

HF 下载量

上线时间2026-03-11 00:00:00

最近更新2026-09-18 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2026-09-20

浏览次数0

使用教程

核心亮点

基于前沿检测模型，检测精度与速度兼顾
Python 实现，接入摄像头或视频流即可实时推理
统一接口方便切换不同模型，便于做速度与精度权衡

不足之处

早期项目，文档与示例可能不完善
生态和社区规模较小，长期维护待观察

适用场景

视频监控中实时识别人员与车辆
机器人或无人机视觉感知
直播与短视频内容自动分析

替代项目

YOLOv8、Detectron2、MMDetection

项目介绍

DART 是一个计算机视觉领域的开源项目，官方简介：Detect Anything in Real Time: Real-time object detection using frontier object detection models.。项目使用 Python 开发，在 GitHub 上获得 749 星标。

上一篇：dsh-vision-router

下一篇：awesome-camouflaged-object-detection