lite.ai.toolkit 完全入门地图：一个轻量 C++ AI 工具箱如何让你的 100+ 模型开箱即用

lite.ai.toolkit 完全入门地图一个轻量 C AI 工具箱如何让你的 100 模型开箱即用【免费下载链接】lite.ai.toolkitA lite C AI toolkit: 100 models with MNN, ORT and TRT, including Det, Seg, Stable-Diffusion, Face-Fusion.项目地址: https://gitcode.com/gh_mirrors/lit/lite.ai.toolkitlite.ai.toolkit是一个轻量级C AI 工具箱仅依赖 OpenCV ONNXRuntime就集成了100 款主流 CV 模型300 C 实现、500 预训练权重覆盖目标检测、人脸检测、人脸识别、分割、抠图甚至 Stable Diffusion 出图与 Face-Fusion 换脸。所有模型统一使用简洁的lite::cv::Type::Class语法几行代码即可跑通推理真正实现开箱即用。图lite.ai.toolkit 功能地图 —— 左侧为支持的平台与推理引擎中间是按任务类型组织的模型矩阵一张图看懂lite.ai.toolkit 能做什么相比自己逐个对接框架、调预处理、写后处理lite.ai.toolkit 把模型落地这件麻烦事封装成了统一的类接口。它的核心特点语法统一不管用哪个模型调用方式都一样new lite::cv::detection::YoloV5(onnx_path)之后直接detect()⚙️引擎可选ONNXRuntime默认开启、MNN、NCNN、TNN 走 CPUTensorRT 走 NVIDIA GPU 加速依赖极简默认只需 OpenCV 和 ONNXRuntime安装包还自带这些第三方库可混用它不强制替代底层引擎你可以用它跑现成模型同时用自己的 ONNXRuntime / MNN 代码实现私有模型最快安装步骤一条命令构建 lite.ai.toolkitlite.ai.toolkit 目前官方测试平台为 LinuxUbuntu 20.04构建脚本见 build.shgit clone --depth1 https://gitcode.com/gh_mirrors/lit/lite.ai.toolkit cd lite.ai.toolkit sh ./build.shbuild.sh会自动完成 cmake 配置 →make -j8→make install产物位于build/install。如果你已经有预编译包也可以直接从 Release 版本下载免去编译。想用 GPU 加速执行bash ./build.sh tensorrt即可构建 TensorRT 版本需 TensorRT 10 与 CUDA 12安装指南见 docs/tensorrt/tensorrt-linux-x86_64.zh.md。10 行代码跑通第一个模型YOLOv5 目标检测以 YOLOv5 目标检测为例完整流程只有 10 行左右参考 examples/lite/cv/test_lite_yolov5.cpp#include lite/lite.h // 一个头文件搞定 auto *yolov5 new lite::cv::detection::YoloV5(yolov5s.onnx); std::vectorlite::types::Boxf boxes; cv::Mat img_bgr cv::imread(test.jpg); yolov5-detect(img_bgr, boxes); lite::utils::draw_boxes_inplace(img_bgr, boxes); // 画框并保存这就是它开箱即用的含义换模型 换一个类名其余代码不变。项目内置了 100 个这样的可运行示例全部位于 examples/lite/cv/每个模型一个test_lite_xxx.cpp文件直接编译即可复现效果。图检测类示例的测试输入图YOLOv5 / YOLOX / NanoDet 等模型均可在此类场景上直接推理100 模型清单按任务类型一键查找任务类型代表模型调用示例目标检测YoloV5/V8、YoloX、NanoDet、SSD、EfficientDetlite::cv::detection::YoloV5人脸检测SCRFD、RetinaFace、FaceBoxes、UltraFacelite::cv::face::detect::SCRFD人脸识别ArcFace、CosFace、FaceNet、腾讯 TFacelite::cv::faceid::GlintArcFace人脸关键点PFLD、PIPNet、FaceLandmark1000lite::cv::face::align::PFLD人脸属性年龄 SSRNet、性别、情绪识别lite::cv::face::attr::SSRNet语义分割DeepLabV3、FCN、HeadSeg、人脸解析lite::cv::segmentation::DeepLabV3ResNet101图像抠图MODNet、RVM、MGMatting、BMV2lite::cv::matting::MODNet图像分类DenseNet、ResNet、MobileNetV2lite::cv::classification::DenseNet风格/上色/超分风格迁移、Colorizer、SubPixelCNNlite::cv::style::FastStyleTransfer图一张图看懂 C AI 工具箱的能力 —— 大规模人脸检测SCRFD、人像抠图MGMatting、行人/车辆检测NanoDetPlus效果示例获取模型权重Model Zoo 三条下载路径模型权重是开箱的另一半。lite.ai.toolkit 准备了 500 转换好的预训练权重三种获取方式Release 预编译包随 v0.2.0 版本提供内含库文件 测试资源Docker Hub 镜像按引擎划分的模型仓库镜像docker pull后把容器内/home/hub下的模型复制到本地即可文档清单对照各引擎的模型清单见 docs/hub/lite.ai.toolkit.hub.onnx.md、docs/hub/lite.ai.toolkit.hub.mnn.md 项目内examples/hub/目录已按引擎分好位置onnx/cv、mnn/cv、ncnn/cv、tnn/cv把权重放到对应目录即可运行示例。进阶玩法Face-Fusion 换脸与 Stable Diffusion 出图除了单模型调用lite.ai.toolkit 还内置了两条流水线级能力Face-Fusion 换脸流水线串联人脸检测、对齐、识别、融合多个模型效果见 examples/lite/cv/test_lite_facefusion_pipeline.cpp图Face-Fusion 流水线的源人脸左与目标人脸右整条换脸流程全由 C 代码驱动Stable Diffusion 文生图在 lite/ort/sd/ 与 lite/trt/sd/ 中内置了 VAE、UNet、CLIP 等完整组件TensorRT 版流水线见 examples/lite/sd/test_lite_sd_pipeline.cpp项目结构指南30 秒找到你要的东西lite/ ├── lite.h # 总入口头文件 ├── ort/ # ONNXRuntime 引擎实现默认 ├── mnn/ # MNN 引擎实现 ├── ncnn/ # NCNN 引擎实现 ├── tnn/ # TNN 引擎实现 └── trt/ # TensorRT GPU 实现含 kernel/ examples/lite/cv/ # 100 可运行模型示例 docs/ort/ # 各模型中文说明文档 docs/hub/ # 各引擎模型权重清单 cmake/ # 各引擎的 CMake 构建脚本每个引擎内部结构一致core/放 handler 与工具类cv/放具体模型实现如 lite/ort/cv/scrfd.cpp找源码时按引擎 → cv → 模型名三步定位即可。想深入了解某个模型的输入输出与参数推荐先看 docs/ort/ 下对应的中文文档。常见问题 FAQQ没有 GPU 能跑吗能。默认 ONNXRuntime 引擎纯 CPU 推理即可MNN/NCNN/TNN 也主要面向 CPU 场景。Q同一个模型能换引擎跑吗可以。例如 NanoDetPlus 在 examples/lite/cv/test_lite_nanodet_plus.cpp 中同时演示了 ONNXRuntime / MNN / NCNN / TNN 四种引擎版本仅类名和权重格式不同。Q支持哪些平台官方构建脚本支持 Linux模型层代码对 macOS / Windows 有兼容验证见 README 支持矩阵Android 适配在路线图中。Q开源协议是什么GPL v3见 LICENSE商用前请留意协议条款。下一步建议先用build.sh构建出库挑一个examples/lite/cv/里的示例编译运行10 分钟内你就能在自己的 C 项目里看到第一个 AI 模型的推理结果 —— 这就是 lite.ai.toolkit 想带给你的开箱即用体验。【免费下载链接】lite.ai.toolkitA lite C AI toolkit: 100 models with MNN, ORT and TRT, including Det, Seg, Stable-Diffusion, Face-Fusion.项目地址: https://gitcode.com/gh_mirrors/lit/lite.ai.toolkit创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考