YoloSharp 是一个基于 ONNX Runtime 的 YOLO 目标检测库，支持多种 YOLO 模型，包括 YOLO26，提供了简洁易用的 C# API。

⚠️ 目前仅支持目标检测，输入类型仅支持 Bitmap，正在开发中

暂无计划发布 Nuget 请使用源码，ML 的版本涉及到GPU环境限制，请按照自己的环境调整

• 支持 CPU 和 GPU 推理
• 支持多种 YOLO 模型格式
• 提供简洁的 C# API
• 高性能的图像预处理
• 内置非极大值抑制（NMS）
• 支持边界框调整和归一化

yolo-sharp/
├── examples/                # 示例项目
│   └── Winform/             # Winform 示例
├── src/
│   ├── YoloSharp/           # 核心检测类
│   ├── YoloSharp.Bitmap/    # Bitmap 图像处理
│   └── YoloSharp.Core/      # 核心接口和模型
├── test/                    # 测试项目
│   ├── yolo12/              # YOLO12 测试
│   └── yolo26/              # YOLO26 测试
├── LICENSE                  # 许可证文件
├── README.md                # 项目说明文档
└── YoloSharp.slnx           # 解决方案文件

• 命名空间: YoloSharp
• 功能: 实现 YOLO 目标检测的核心类
• 构造函数:
  • Yolo(string path): 使用 CPU 初始化模型
  • Yolo(string path, int gpuid): 使用 GPU 初始化模型
• 主要属性:
  • Confidence: 置信度阈值，默认 0.3
  • IoUThreshold: IoU 阈值，默认 0.45
  • Names: 类别名称字典
  • ImageSize: 模型输入图像尺寸
• 主要方法:
  • Detect(IInput input): 执行目标检测，返回检测到的边界框列表

• 命名空间: YoloSharp
• 功能: 处理 Bitmap 图像输入，将图像转换为模型输入张量
• 构造函数:
  • Input(IYolo yolo, Image image): 将图像转换为模型输入张量
• 主要属性:
  • DenseTensor: 模型输入张量（CHW格式）
  • Width: 原始图像宽度
  • Height: 原始图像高度
• 主要方法:
  • GetRGB(Bitmap bmp, out int stride): 从 Bitmap 获取 RGB 数据

• 命名空间: YoloSharp
• 功能: 提供各种辅助方法
• 主要方法:
  • ParseSize(string text): 解析尺寸字符串
  • ParseNames(string names): 解析类别名称
  • CalculateIoU(RawBoundingBox box1, RawBoundingBox box2): 计算交并比
  • ConvertRgb24ToTensor(byte[] rgb24Data, Size size): 转换 RGB 数据为张量

• BoundingBox: 最终输出的边界框
• RawBoundingBox: 内部计算使用的原始边界框

• Microsoft.ML.OnnxRuntime
• System.Drawing

using YoloSharp;
using System.Drawing;

// 初始化 YOLO 模型
var yolo = new Yolo("model.onnx");

// 加载图像
using var bitmap = new Bitmap("image.jpg");

// 执行检测
var input = new Input(yolo, bitmap);
var results = yolo.Detect(input);

// 处理检测结果
if (results != null)
{
    foreach (var box in results)
    {
        Console.WriteLine($"类别: {yolo.Names[box.Index]}, 置信度: {box.Confidence}, 位置: ({box.X}, {box.Y}, {box.Width}, {box.Height})");
    }
}

using YoloSharp;
using System.Drawing;

// 初始化 YOLO 模型
var yolo = new Yolo("model.onnx");

// 设置自定义检测参数
yolo.Confidence = 0.5f; // 提高置信度阈值
yolo.IoUThreshold = 0.5f; // 调整 IoU 阈值

// 加载图像
using var bitmap = new Bitmap("image.jpg");

// 执行检测
var input = new Input(yolo, bitmap);
var results = yolo.Detect(input);

// 处理检测结果
if (results != null)
{
    Console.WriteLine($"检测到 {results.Count} 个目标:");
    foreach (var box in results)
    {
        string className = yolo.Names.TryGetValue(box.Index, out string name) ? name : "未知类别";
        Console.WriteLine($"- 类别: {className}, 置信度: {box.Confidence:F3}, 面积: {box.Width * box.Height:F1} 像素");
    }
}

• Confidence: 置信度阈值，默认 0.3
• IoUThreshold: IoU 阈值，默认 0.45

• YOLO26
• YOLO12
• 其他兼容 ONNX 格式的 YOLO 模型

• 官方模型下载：https://github.com/ultralytics/assets/releases
• 转 ONNX：https://docs.ultralytics.com/zh/tasks/detect/

• 新增 OBB（语义分割）支持
• 新增 WPF 示例项目