YOLO26 To NCNN

一、YOLO26模型

    1. 目标检测 Detect

        是一项涉及识别图像或视频流中对象位置和类别的任务。

    2. 实例分割 Segment

        比目标检测更进一步，它不仅能识别图像中的单个对象，还能将它们从图像的其余部分中分割出来。

    3. 语义分割 Semantic

        为图像中的每个像素分配一个类标签，从而生成覆盖整个场景的密集类映射。与区分单个对象的 实例分割 不同，语义分割将同一类的所有像素组合在一起，而不管存在多少个不同的对象。

    4. 单目深度估计 Depth

        从单张 RGB 图像预测逐像素深度图。每个输出像素包含一个以米为单位的深度值，表示从相机到该表面点的估计距离。

    5. 图像分类 Classify

        是所支持的任务中最简单的一种，它涉及将整张图像分类为预定义类别集合中的某一个类别。

    6. 姿态估计 Pose

        一项涉及识别图像中特定点（通常称为关键点）位置的任务。关键点可以表示对象的各个部分，例如关节、地标或其他显著特征。

    7. 旋转目标检测 OBB

        比标准目标检测更进一步，它引入了一个额外的角度，以便更精确地定位图像中的物体。

二、格式转换

1. 下载目标检测模型

    https://github.com/ultralytics/assets/releases/download/v8.4.0/yolo26n.pt

2. 转换

from ultralytics import YOLO

# Load YOLO26n

model = YOLO("yolo26n.pt")

# Export to NCNN format

model.export(format="ncnn")

print("NCNN Export Completed Successfully !")

生成文件在 yolo26n_ncnn_model 文件夹下 model.ncnn.bin 和 model.ncnn.param

三、测试

    1. 标准测试图片： https://ultralytics.com/images/bus.jpg

2.随机下载一张图片进行验证

    3. 推理代码：https://github.com/skygazer42/yolo26-NCNN

四、效果