blue-onyx

把目标检测封装成服务,发图就返回检测框

blue-onyx 是一个用 Rust 编写的目标检测服务,将计算机视觉中的物体检测能力封装成可独立部署的后端服务。它解决的是模型推理与业务系统耦合的问题:开发者无需在业务代码里直接加载 PyTorch/ONNX 模型,而是通过 HTTP 或类似接口把图片发给服务,由服务统一完成预处理、推理和后处理,返回检测框、类别和置信度。核心能力包括接收图像请求、运行目标检测模型、输出结构化检测结果,并借助 Rust 的高性能与低资源占用,适合对延迟和并发有要求的场景。项目定位偏基础设施,方便在微服务架构中作为独立组件横向扩展,也便于统一管理模型版本和推理资源。

开源 free 计算机视觉
访问官网 ↗ GitHub ↗ 文档 ↗
GitHub 星标 ★ 149
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xnorpx
所属国家
官网地址
定价模式free
价格说明开源项目,免费使用
访问状态
是否开源
开源协议MIT
主要语言Rust
技术栈/模型
GitHub 星标★ 149
30天Star增速
HF 下载量
上线时间2024-11-27 00:00:00
最近更新2026-09-14 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2026-09-20
浏览次数0

使用教程

核心亮点

  • Rust 实现,推理服务启动快、内存占用低,适合高并发部署
  • 以独立服务形式提供检测能力,业务系统通过接口调用,解耦模型与业务代码
  • 输出结构化检测结果(框、类别、置信度),便于下游直接消费

不足之处

  • 项目处于早期,文档和示例较少,接入成本偏高
  • 生态和社区规模小,模型支持范围与更新频率有待观察

适用场景

  • 在微服务架构中为多个业务系统提供统一的图像目标检测接口
  • 边缘设备或资源受限环境部署轻量级检测服务
  • 对延迟敏感的实时图片审核、监控截图分析等场景

替代项目

Ultralytics YOLOv8、OpenCV DNN、Triton Inference Server

项目介绍

blue-onyx 是一个计算机视觉领域的开源项目,官方简介:Object detection service。项目使用 Rust 开发,在 GitHub 上获得 149 星标。

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