Ultralytics YOLO es una biblioteca de Python para visión artificial que abarca detección, segmentación, clasificación, estimación de pose, seguimiento y más.
62,8 mil+39 esta semana11,9 milPythonAGPL-3.0Actualizado hace 18 horas
xlite-dev/lite.ai.toolkit
Toolkit ligero de C++ con más de 100 modelos de IA para detección, reconocimiento facial, segmentación y matting, compatible con ONNXRuntime, MNN, TensorRT y otros.
- Estrellas
- 4,444
- Forks
- 783
- Issues abiertos
- 1
- Último commit
- hace 2 meses
¿Qué es?
Lite.Ai.ToolKit es una biblioteca de C++ que ofrece más de 100 modelos preentrenados de visión por computadora y generativos mediante una interfaz uniforme que sigue el patrón de nombres lite::cv::Type::Class. Incluye tareas como detección de objetos (familia YOLO, YOLOX, NanoDet, EfficientDet), detección, alineación y reconocimiento facial, atributos de edad y emoción, clasificación, segmentación y matting de imágenes o videos.
Las dependencias principales son OpenCV y ONNXRuntime, con backends opcionales para MNN, NCNN, TNN y TensorRT. También incluye compatibilidad con Stable Diffusion y un pipeline de FaceFusion. Ofrece bibliotecas precompiladas y un script build.sh, y documenta la compilación en Linux, probada en Ubuntu 20.04.
Los desarrolladores que necesiten llamar a estos modelos desde C++ dentro de una aplicación existente, en lugar de hacerlo mediante Python, pueden usarlo como un wrapper listo para usar que ya incluye el preprocesamiento y el posprocesamiento.
Funciones clave
- 01API uniforme de C++ para más de 100 modelos de visión, con preprocesamiento y posprocesamiento incluidos.
- 02Se ejecuta con ONNXRuntime de forma predeterminada, con backends opcionales para MNN, NCNN, TNN y TensorRT.
- 03Incluye detección, reconocimiento y alineación facial, segmentación y matting.
- 04Dependencias mínimas necesarias: OpenCV y ONNXRuntime.
- 05Incluye ejemplos de Stable Diffusion y del pipeline de FaceFusion.
Casos de uso
- Añadir detección de objetos basada en YOLO a una aplicación de escritorio o integrada en C++.
- Crear un pipeline de reconocimiento facial o de detección de puntos de referencia sin un runtime de Python.
- Ejecutar matting de fondo o segmentación en una herramienta de procesamiento de video en C++.
- Comparar el mismo modelo con los backends de ONNXRuntime, MNN y TensorRT.
Inicio rápido
- 1
Clona el repositorio
git clone --depth=1 https://github.com/xlite-dev/lite.ai.toolkit.git - 2
Compila la biblioteca desde el código fuente con el script de compilación
cd lite.ai.toolkit && sh ./build.sh - 3
O descarga la biblioteca ya compilada desde la página de la versión v0.2.0
Antes de usarlo
- El script de compilación solo es compatible con Linux.
- Está bajo la licencia GPL-3.0, una licencia copyleft que exige que las obras derivadas se publiquen como código abierto bajo las mismas condiciones.
- La aceleración con TensorRT requiere TensorRT 10.x o posterior y CUDA 12.x o posterior.
En colecciones
Temas
Preguntas frecuentes
- ¿Qué es lite.ai.toolkit?
- Toolkit ligero de C++ con más de 100 modelos de IA para detección, reconocimiento facial, segmentación y matting, compatible con ONNXRuntime, MNN, TensorRT y otros. Lite.Ai.ToolKit es una biblioteca de C++ que ofrece más de 100 modelos preentrenados de visión por computadora y generativos mediante una interfaz uniforme que sigue el patrón de nombres lite::cv::Type::Class. Incluye tareas como detección de objetos (familia YOLO, YOLOX, NanoDet, EfficientDet), detección, alineación y reconocimiento facial, atributos de edad y emoción, clasificación, segmentación y matting de imágenes o videos.
- ¿lite.ai.toolkit es gratuito? ¿Qué licencia tiene?
- lite.ai.toolkit es open source bajo la licencia GPL-3.0. Revisa los términos de la licencia antes de usarlo en productos comerciales.
- ¿lite.ai.toolkit sigue mantenido?
- Actualizado en los últimos 6 meses. El último commit de lite.ai.toolkit fue el 5 sept 2026.
- ¿Para qué puedo usar lite.ai.toolkit?
- Añadir detección de objetos basada en YOLO a una aplicación de escritorio o integrada en C++. Crear un pipeline de reconocimiento facial o de detección de puntos de referencia sin un runtime de Python. Ejecutar matting de fondo o segmentación en una herramienta de procesamiento de video en C++. Comparar el mismo modelo con los backends de ONNXRuntime, MNN y TensorRT.
- ¿Cómo se instala lite.ai.toolkit?
- Clona el repositorio: git clone --depth=1 https://github.com/xlite-dev/lite.ai.toolkit.git Compila la biblioteca desde el código fuente con el script de compilación: cd lite.ai.toolkit && sh ./build.sh O descarga la biblioteca ya compilada desde la página de la versión v0.2.0
- ¿Dónde consigo lite.ai.toolkit?
- El código fuente y las instrucciones de instalación están en GitHub: https://github.com/xlite-dev/lite.ai.toolkit
Resumen generado por IA a partir del README del proyecto. Las estadísticas de GitHub se actualizan a diario.
Proyectos relacionados
Toolkit de C++/Python para desplegar modelos de la familia YOLO en GPU de NVIDIA con TensorRT, compatible con tareas de detección, segmentación, clasificación, pose y OBB.
1,9 mil199C++GPL-3.0Actualizado el mes pasado
Software NVR y de visión artificial con IA, autohospedado y totalmente local, para detectar objetos, movimiento y rostros en tus propias cámaras.
3,7 mil453PythonMITActualizado hace 19 horas
Implementación oficial en PyTorch de BiRefNet, un modelo de deep learning para la segmentación dicotómica de imágenes de alta resolución, usado habitualmente para eliminar fondos.
4,3 mil+9 esta semana345PythonMITActualizado hace 7 días
Plugin de OBS Studio que elimina o reemplaza el fondo de las personas en video mediante segmentación de retratos con redes neuronales, y mejora la imagen con poca luz.
4,6 mil+4 esta semana294C++GPL-3.0Actualizado ayer
Ultralytics YOLOv5 es un kit de herramientas de visión artificial basado en PyTorch para detectar objetos, segmentar instancias y clasificar imágenes, con funciones de entrenamiento y exportación.
58,2 mil+22 esta semana17,5 milPythonAGPL-3.0Actualizado hace 3 días