TensorRT-YOLO

项目简介：TensorRT YOLO

TensorRT YOLO 是一个功能强大的目标检测项目，专注于使用 NVIDIA TensorRT 技术对 YOLO 系列模型进行推理加速。该项目支持多个版本的 YOLO模型，从 YOLOv3 到最新的 YOLO11，包括 PP-YOLOE 和 PP-YOLOE+。通过结合 TensorRT 插件、CUDA 核函数以及 CUDA 图，这个项目能够显著提升推理速度，为用户提供高效的目标检测解决方案。无论是使用 C++ 还是 Python，TensorRT YOLO 都能顺利运行，为研发与应用提供便利。

主要特性

• 多种模型支持：兼容 YOLOv3 到 YOLO11 的全部版本及 PP-YOLOE 系列。
• 多样化检测能力：不仅支持目标检测，还支持 OBB（斜框）检测与分割模型。
• 灵活的模型导出与推理：支持 ONNX 的静态和动态导出，以及通过 TensorRT 进行推理。
• 增强的计算性能：利用 TensorRT 插件、CUDA 核函数和 CUDA 图，项目显著优化了推理前后处理流程。
• 编程语言多样性：同时支持 C++ 和 Python 的推理接口。
• 便捷的命令行工具：提供 CLI 工具实现快速模型导出与推理操作。
• 轻松的部署方式：支持通过 Docker 进行一键部署，简化了环境配置。

环境要求

为了实现最佳性能，建议的系统配置包括：

• CUDA 版本：建议使用版本 11.6 或更高。
• TensorRT 版本：建议使用版本 8.6 或更高。

使用教程

TensorRT YOLO 项目的开发者提供了详细的使用教程，帮助用户轻松上手：

• 编译和安装的快速指南。
• 使用 CLI 工具进行模型导出。
• 模型推理示例，将检测应用到实际图片中。
• 视频分析用例，展示如何在视频流中进行实时目标检测。

视频资源

为了更好地了解 TensorRT YOLO 项目的应用与功能，开发者在 BiliBili 平台上传了多个演示视频，可以协助用户快速掌握部署与优化技巧。例如：

• TensorRT YOLO 的快速部署实操。
• 使用自定义插件加速 YOLO OBB 部署。
• 演示如何使用 CUDA Graph 加速推理。
• Docker 部署指南。

支持与交流

开发者欢迎用户通过 GitHub Issues 提交错误报告和功能请求，积极参与项目完善与优化。如果您觉得项目对您的工作有帮助，欢迎通过支付宝支持开发者的努力，对项目的持续维护与优化贡献您的力量。同时，请遵守项目采用的 GPL-3.0开源许可证，以促进开放协作与知识共享精神的实现。