YOLOv8s-worldv2

运行效果

person 70

person 70

person 70

bus 70

person 52

板卡实测

真机处理时延的中位数。多阶段模型计入各阶段处理，生成模型的耗时受输入和输出长度影响。

部署指南

1. 1

   在工作流中跑通

   用样例或自己的输入在机房的犀牛派 X1 上运行，确认结果和速度。现在试用 ›

2. 2

   导出工程

   在工作流右上角选择「导出」，下载工程包。模型与样例按 sha256 锁定，前后处理与网站运行时一致。

3. 3

   在板卡上安装运行库

   把工程拷到犀牛派 X1（ARM64、Python 3.10 的 AidLux 环境，AidLux ≥ 2.0），在工程目录下载并校验已验证的配套运行库。

   复制

   python3 install-sdk.py

4. 4

   只需要模型文件？

   各板卡的构建也发布在 Hugging Face ↗，按芯片下载，文件与工程包中的完全一致。

   复制

   hf download APLUX-Agora/YOLOv8s-worldv2 --include "targets/QCS8550/*" --local-dir ./resources

5. 5

   运行

   结果写入 outputs/，并打印每块积木的耗时。工程通过官方 AidLite 接口加载模型，代码完整随包提供。

   复制

   python3 app/pipeline.py --sdk-root .sdk --input 你的文件

规格

任务

检测

输入尺寸

640×640

来源

Model Farm

已知限制

官方导出只有图片输入，类别固定为 COCO 80 类，不支持自由文本类别。官方代码和本适配器在公交样例上结果一致；官方狗图在 0.5 阈值下漏检，不能视为全部类别的准确率验证。 W8A16 公交样例的部分高置信度输出截顶约为 0.7047，不应将量化分数当成校准概率。

许可证

—

版本

1.0.0