项目预览
项目数据
项目介绍
Star 增长趋势
本站每日记录该项目 GitHub 星标变化,观测越久曲线越完整
数据来源:GitHub API 逐日快照 · 收录于 2026-08-09 · 当前星标 ★ 4451
使用教程
⚠ 该项目 README 未提供完整安装说明,以下步骤为通用流程,请以官方文档为准。
环境要求
- CMake 3.10 及以上(README 的 CMakeLists 中声明 cmake_minimum_required(VERSION 3.10))
- 支持 C++17 的编译器(CMakeLists 中设置 CMAKE_CXX_STANDARD 17)
- 已编译安装好的 lite.ai.toolkit 安装包(安装包内含完整的 MNN 与 ONNXRuntime)
- 模型文件与测试图片,例如 yolov5s.onnx 与 test_yolov.jpg
安装与启动步骤
-
1克隆项目源码
把仓库克隆到本地,后续示例代码参考 examples 目录下的 test_*.cpp 文件。
git clone https://github.com/xlite-dev/lite.ai.toolkit.git -
2准备安装路径
找到(或先编译安装)lite.ai.toolkit 的安装目录,它就是后面 CMakeLists 里的 YOUR-PATH-TO-LITE-INSTALL。
-
3配置 CMakeLists
新建工程,用 find_package 引入 lite.ai.toolkit,并把示例源码加入可执行文件;把路径换成你的实际安装目录。
cmake_minimum_required(VERSION 3.10) project(lite_yolov5) set(CMAKE_CXX_STANDARD 17) set(lite.ai.toolkit_DIR YOUR-PATH-TO-LITE-INSTALL) find_package(lite.ai.toolkit REQUIRED PATHS ${lite.ai.toolkit_DIR}) if (lite.ai.toolkit_Found) message(STATUS "lite.ai.toolkit_INCLUDE_DIRS: ${lite.ai.toolkit_INCLUDE_DIRS}") message(STATUS " lite.ai.toolkit_LIBS: ${lite.ai.toolkit_LIBS}") message(STATUS " lite.ai.toolkit_LIBS_DIRS: ${lite.ai.toolkit_LIBS_DIRS}") endif() add_executable(lite_yolov5 test_lite_yolov5.cpp) target_link_libraries(lite_yolov5 ${lite.ai.toolkit_LIBS}) -
4编译可执行文件
用 CMake 配置并构建该工程;README 未给出具体构建命令,请按本机工具链执行标准 CMake 流程。
cmake -S . -B build cmake --build build -
5拷贝模型与图片
README 示例要求把 yolov5s.onnx 和 test_yolov.jpg 复制到程序运行目录,否则会找不到输入文件。
cp ../yolov5s.onnx ../test_yolov.jpg . -
6运行并查看输出
执行示例程序,终端会打印模型输入输出维度以及检测框数量等调试信息。
./lite_yolov5
关键配置
| 配置项 | 必填 | 说明 | 示例 |
|---|---|---|---|
lite.ai.toolkit_DIR | 是 | 指向 lite.ai.toolkit 安装目录,供 find_package 定位库 | /your/path/to/lite.ai.toolkit/install |
ENABLE_ONNXRUNTIME | 否 | 是否启用 ONNXRuntime 后端,README 说明默认为 ON | -DENABLE_ONNXRUNTIME=ON |
ENABLE_MNN | 否 | 是否启用 MNN 后端,README 说明默认为 OFF | -DENABLE_MNN=ON |
如何确认成功
运行 ./lite_yolov5 后终端输出 Input-Dims / Output-Dims 以及 detected num_anchors: 25200、generate_bboxes num 等日志,即表示运行成功。
常见问题
Q:find_package 找不到 lite.ai.toolkit 怎么办?
A:把 CMakeLists 中的 lite.ai.toolkit_DIR 改成你实际的安装目录,或确认该目录下确实存在 lite.ai.toolkit 的 CMake 配置文件。
Q:想用 MNN 后端怎么开?
A:在 CMake 配置时加 -DENABLE_MNN=ON,该项默认 OFF;ONNXRuntime 由 -DENABLE_ONNXRUNTIME 控制且默认 ON。
Q:能同时使用 lite.ai.toolkit 和原生 MNN/ONNXRuntime 吗?
A:可以。README 说明工具包不封装 MNN 与 ONNXRuntime,可混用,相关头文件见 mnn_config.h 和 ort_config.h。
Q:运行时提示找不到模型文件?
A:示例以相对路径读取 yolov5s.onnx 和 test_yolov.jpg,需先把这两个文件复制到可执行文件所在目录再运行。
Q:怎么选择模型和任务?
A:参考 Model Zoo 表格与 examples/lite/cv 下的 test_*.cpp,不同类型(检测、分割、抠像等)对应不同示例和模型。
注意事项
- README 节选只给出了如何在自己的 CMake 工程中使用已安装的 lite.ai.toolkit,未给出从源码编译安装工具包的完整命令,详细步骤需看仓库内文档。
- README 明确 lite.ai.toolkit 的安装包已包含完整的 MNN 与 ONNXRuntime,一般无需另行安装推理引擎。
- ONNXRuntime 默认开启、MNN 默认关闭,跨平台支持情况请对照 Supported Models Matrix。
核心亮点
- 预置 100+ 模型,覆盖检测、分割、生成等主流任务,省去模型转换和适配时间
- 统一 API 封装 MNN/ORT/TRT,切换推理后端只需改配置,代码零改动
- 纯 C++ 实现,无 Python 依赖,适合嵌入式和服务端高性能场景
不足之处
- 文档偏少,部分模型示例不完整,上手依赖源码阅读
- 模型更新滞后,新模型需自行转换和集成
适用场景
- 在 C++ 服务端快速部署 YOLO 目标检测,实现视频流实时分析
- 在移动端或边缘设备集成 Stable Diffusion 或人脸融合功能
- 作为 AI 算法原型到 C++ 生产环境的桥梁,快速验证模型效果
替代项目
ncnn、OpenCV DNN、TNN
上一篇:ExprGAN
同类项目推荐
GutenOCR
开源
用 VLM 做 OCR 的训练评测一条龙工具
Open-source tools for training and evaluating Vision Language Models for OCR
4KAgent
开源
上传任意糊图,自动恢复成 4K 高清大片
[NeurIPS 2025] 4KAgent: Agentic Any Image to 4K Super-Resolution. An intelligent com···
torchgeo
开源
像用torchvision一样做遥感深度学习
TorchGeo: datasets, samplers, transforms, and pre-trained models for geospatial data
Trainable_Segmentation
开源
画几笔标注,训练分类器,自动分割整幅图像
Fiji library to perform image segmentation based on the Weka learning schemes
Awesome-ECCV2022-Low-Level-Visio···
开源
速查ECCV 2022低层视觉论文代码,跟上前沿。
A Collection of Papers and Codes in ECCV2022 about low level vision
ComfyUI-Depth-Anything-Tensorrt
开源
ComfyUI 里跑深度图,TensorRT 加速最高 14 倍,快人一步。
ComfyUI Depth Anything (v1/v2/v3/distill-any-depth) Tensorrt Custom Node (up to 14x ···
anyline-ocr-react-native-module
开源
React Native 一套代码,接入 Anyline 移动端 OCR 扫描
Anyline React Native Module for iOS and Android
hub
开源
让旧摄像头变聪明,边缘实时识别安全隐患
Securade.ai HUB - A generative AI based edge platform for computer vision that conne···
FernRPExample
开源
在Unity里用Stable Diffusion生成贴图,直接驱动NPR/PBR渲染
This project is the implementation of FernRP Package, Include NPR/PBR.
