Repository navigation
SimdYolo 0.11.2：原版对照重测、纯.NET模型工作流与目标分离
主库和训练核心为纯C#/.NET10；CPU使用SIMD/intrinsics，GPU使用系统Vulkan/Metal。应用不依赖Python、PyTorch、TorchSharp、ORT或BLAS；Vulkan运行不需要CUDA Toolkit/cuDNN/cuBLAS或Vulkan SDK，需要兼容驱动和loader。Python/ORT仅供独立开发验证。
本版功能
- 直接加载受支持完整PT、ONNX、SYTRAIN及类别标签，检测/实例分割/姿态统一API，随包提供33份原模型。
- 纯C#掩码SIMD、坐标与插值行缓存、多实例有界并行、临时缓冲池；公开输出保持独立所有权。
- 网页人物/车辆分离和移除目标背景，两张互补透明PNG；4K/8K图有界缩放，原图坐标映射。
- RGB24二进制上传、有界掩码LRU、RGB复用；调整置信度复用模型会话。
- 五代检测头微调、独立验证集、P/R/mAP、最佳模型、早停、取消恢复；网页标注与人工审核预标注。
- 纯.NET导出标准ONNX；CPU FP16混合/INT8及校准为实验功能，当前没有速度优势，默认FP32，GPU仍为FP32。
原版 / 本库 / ORT速度排名
实测日期：2026-10-17 11:50:41 +0800；Intel(R) Core(TM) i7-8700K CPU @ 3.70GHz，NVIDIA GeForce GTX 1050 Ti。FP32、batch1、640×640、CPU12线程。11模型×8配置×两轮，共176个独立窗口、39,264次推理、224/224项输出校验通过。预热60次，每窗口至少4秒/40帧。
本表计入网络前向与输出头解码；GPU包含输入上传和全部输出回读，排除图片预处理、NMS、最终实例掩码、模型加载和首帧。原版PyTorch使用官方Ultralytics fuse()，ORT启用全部图优化，CUDA关闭TF32。每格为两个独立窗口中位数的中位数，①最快，按未舍入值排名；接近结果不能解释为稳定胜出。
CPU / GPU 速度排名
每格为中位耗时 ms + 名次，①最快、④最慢，第一名加粗；重复窗口取各窗口中位数的中位数，按未舍入值排序。小幅差距不代表稳定胜出或统计显著性。
CPU 速度排名
| 模型 | 原版 PyTorch CPU | 我们的 .pt CPU |
我们的 ONNX CPU | ORT CPU（.NET） |
|---|---|---|---|---|
| yolov8n | 44.23 ④ | 21.74 ① | 22.19 ② | 24.23 ③ |
| yolov9t | 76.55 ④ | 29.16 ② | 30.90 ③ | 28.56 ① |
| yolov10n | 48.15 ④ | 21.57 ① | 22.22 ② | 22.43 ③ |
| yolo11n | 50.34 ④ | 21.69 ① | 22.19 ② | 23.11 ③ |
| yolo26n | 54.13 ④ | 22.32 ② | 26.76 ③ | 18.04 ① |
| yolov8n-seg | 58.21 ④ | 28.12 ① | 28.73 ② | 33.86 ③ |
| yolo11n-seg | 71.59 ④ | 27.72 ① | 29.97 ② | 33.49 ③ |
| yolo26n-seg | 68.51 ④ | 30.03 ② | 30.97 ③ | 28.98 ① |
| yolov8n-pose | 47.32 ④ | 22.78 ① | 23.59 ② | 25.06 ③ |
| yolo11n-pose | 54.52 ④ | 23.15 ① | 23.91 ② | 24.85 ③ |
| yolo26n-pose | 58.29 ④ | 24.81 ② | 25.38 ③ | 21.43 ① |
| 第一名次数（完整四配置 11/11 模型） | 0 | 7 | 0 | 4 |
GPU 速度排名
| 模型 | 原版 PyTorch CUDA | 我们的 .pt Vulkan |
我们的 ONNX Vulkan | ORT CUDA（.NET） |
|---|---|---|---|---|
| yolov8n | 9.77 ① | 10.36 ② | 10.60 ③ | 12.52 ④ |
| yolov9t | 21.44 ④ | 12.82 ① | 14.03 ② | 17.56 ③ |
| yolov10n | 10.72 ③ | 10.03 ① | 10.23 ② | 13.27 ④ |
| yolo11n | 10.46 ① | 10.55 ② | 10.61 ③ | 13.52 ④ |
| yolo26n | 12.13 ③ | 10.95 ① | 11.05 ② | 13.05 ④ |
| yolov8n-seg | 12.94 ① | 13.70 ② | 13.80 ③ | 16.39 ④ |
| yolo11n-seg | 13.51 ② | 13.46 ① | 13.57 ③ | 17.32 ④ |
| yolo26n-seg | 16.12 ③ | 14.70 ② | 14.50 ① | 16.95 ④ |
| yolov8n-pose | 10.12 ① | 10.51 ② | 10.76 ③ | 12.87 ④ |
| yolo11n-pose | 10.94 ① | 11.05 ② | 11.24 ③ | 14.05 ④ |
| yolo26n-pose | 13.25 ③ | 11.96 ① | 12.15 ② | 13.92 ④ |
| 第一名次数（完整四配置 11/11 模型） | 5 | 5 | 1 | 0 |
完整速度、CPU、RSS、GPU及显存 · 原始JSON。整卡GPU数据包含桌面/其他进程；不是单进程使用率或功耗。
推理、训练与网页验证
推理CPU/Vulkan回归116项、训练集成19项及完整网页流程见本版验证。发布使用与正式计时相同的主库DLL，包、模型、网页、文档及中文UTF-8说明均核验摘要。训练速度及保存模型对照仍绑定0.10.1，没有冒充本版重测。
训练限于冻结骨干/FPN的检测头微调；没有全参数、分割/姿态或Metal训练。普通ONNX不能初始化训练；SYTRAIN是本项目归档，不能冒充PyTorch PT。其他尺度/设备需独立验证，Metal本机未测试。
下载与启动
| 附件 | 内容 |
|---|---|
| SimdYolo.0.11.2.nupkg | 推理主库、中文XML及GPU着色器 |
| SimdYolo.Training.0.11.2.nupkg | 五代检测头微调、验证/最佳模型/早停，依赖同版主库 |
| SimdYolo-models-v0.11.2.zip | 11个PT、22个ONNX、来源、SHA256和原许可证 |
| SimdYolo-Web-v0.11.2.zip | ASP.NET Core网页、启动脚本；模型和.NET运行时另备 |
| SimdYolo-docs-v0.11.2.zip | 当前README、API/训练说明、图文、完整评测与复现输入 |
| SHA256SUMS-v0.11.2.txt | 全部附件的SHA256 |
安装.NET10/ASP.NET Core运行时，将网页ZIP与模型ZIP解压至同一目录，运行start.cmd或start.ps1，打开http://127.0.0.1:5188。[详细步骤](https://github.com/hnlyf168/SimdYolo/blob/v0.11.2/docs/releases/web-runtime.md)。源码构建需要.NET10 SDK及Git LFS。
原模型、SHA256、AGPL-3.0及来源保持不变，项目源码暂未新增许可证。