yolo-ios-app

把 YOLO 塞进 iPhone,相机一开就能实时识别与分割

yolo-ios-app 是 Ultralytics 官方推出的 iOS 应用与 Swift Package,把 YOLO 系列模型通过 Core ML 部署到 iPhone/iPad 上,实现端侧实时计算机视觉推理。它解决的核心问题是:开发者不必从零处理模型转换、Core ML 配置与相机管线,就能在 iOS 上跑目标检测、实例分割、姿态估计、图像分类、深度估计和 OBB 旋转框检测等任务。项目同时提供可直接运行的示例 App 和可集成的 Swift 包,模型由 Ultralytics 导出为 Core ML 格式,推理走 Apple 的 Core ML/Neural Engine,兼顾速度与隐私。对想快速做移动端 AI 演示、原型或产品内嵌视觉能力的团队来说,它把工程门槛压得很低,也顺便展示了 YOLO 在移动芯片上的实际表现。

开源 free 计算机视觉
访问官网 ↗ GitHub ↗ 文档 ↗
GitHub 星标 ★ 514
维护状态 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ultralytics
所属国家
定价模式free
价格说明App Store 免费下载,开源代码可自行构建
访问状态
是否开源
开源协议AGPL-3.0
主要语言Swift
技术栈/模型app-store,coreml,depth-estimation,image-classification,instance-segmentation,ios,mobile-ai,obb,object-detection,pose-estimation,real-time-inference,semantic-segmentation,swift,swiftui,ultralytics,yolo,yolo11,yolo26
GitHub 星标★ 514
30天Star增速
HF 下载量
上线时间2024-02-11 00:00:00
最近更新2026-09-20 00:00:00
维护状态活跃
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1

使用教程

核心亮点

  • 官方 Ultralytics 出品,模型导出与 Core ML 推理链路完整,示例 App 可直接跑
  • 覆盖检测、分割、姿态、分类、深度、OBB 六类任务,一个包多场景复用
  • 以 Swift Package 形式集成,iOS 工程接入成本低,推理走 Core ML 可利用 Neural Engine

不足之处

  • 项目早期、星标量不大,API 与示例结构可能随版本变动
  • 依赖自行导出 Core ML 模型,模型版本与精度需开发者自己验证

适用场景

  • 移动端 AI 演示或教学,用 iPhone 实时展示 YOLO 检测/分割效果
  • 健身、运动类 App 做人体姿态估计与动作计数
  • 零售或工业场景用手机摄像头做商品识别、缺陷检测与 OBB 定位

替代项目

tflite-support、mediapipe、mlx-swift-examples

项目介绍

yolo-ios-app 是计算机视觉领域的开源项目,由 ultralytics 开发,2024 年首次发布。

它收录于计算机视觉分类,该分类目前共有 445 个项目,GitHub 星标数为 514。

项目目前处于活跃维护状态,最近一次代码更新于 2026-09-20。App Store 免费下载,开源代码可自行构建。从国内网络环境看,可直接访问。

它主要面向的使用场景是:移动端AI演示或教学,用iPhone实时展示YOLO检测/分割效果。同类可对比的替代方案包括 tflite-support、mediapipe、mlx-swift-examples。

上一篇:AlbumentationsX

下一篇:yolo-flutter-app

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