منصوبے کے بارے میں

YoloDotNet ایک ماڈیولر .NET 8 کمپیوٹر وژن لائبریری ہے جو ONNX میں ایکسپورٹ کردہ YOLO ماڈلز چلانے کے لیے ہے۔ اسے C# میں نافذ کیا گیا ہے اور یہ ONNX Runtime اور SkiaSharp استعمال کرتی ہے، بغیر Python runtime یا OpenCV کی ضرورت کے۔ یہ لائبریری Windows، Linux اور macOS پر desktop ایپلیکیشنز، backend سروسز اور ریئل ٹائم وژن پائپ لائنز کو ہدف بناتی ہے۔ سپورٹ شدہ انفرنس ٹاسکس میں image classification، معیاری object detection، oriented bounding-box detection، segmentation اور pose estimation شامل ہیں۔ دستاویزات YOLOv5u سے YOLOv26 تک، YOLO-World، YOLO-E اور RT-DETR ماڈل فیملیز کی سپورٹ بتاتی ہیں، اور تصدیق شدہ ماڈل ٹیبل مخصوص classification، detection، segmentation، pose اور OBB ویریئنٹس کا احاطہ کرتا ہے۔ تصویر اور ویڈیو اسٹریم کے استعمال کو ریپازٹری کے ڈیمو پروجیکٹس میں دکھایا گیا ہے۔ بنیادی YoloDotNet پیکیج provider-agnostic ہے، اور صارفین بالکل ایک execution-provider پیکیج انسٹال کرتے ہیں۔ دستیاب providers CPU، اختیاری TensorRT سپورٹ کے ساتھ CUDA، OpenVINO، CoreML اور DirectML ہیں۔ پلیٹ فارم کی دستیابی مختلف ہوتی ہے: CPU Windows، Linux اور macOS پر کام کرتا ہے؛ CUDA اور OpenVINO Windows اور Linux کو سپورٹ کرتے ہیں؛ CoreML macOS کو سپورٹ کرتا ہے؛ اور DirectML Windows کو سپورٹ کرتا ہے۔ README نوٹ کرتا ہے کہ providers کو ملانے سے native runtime تنازعات پیدا ہو سکتے ہیں۔ API کو model loading، preprocessing، thresholds، میموری اور execution رویے پر واضح کنٹرول کے لیے ڈیزائن کیا گیا ہے۔ ایک عام object-detection بہاؤ YoloOptions اور ایک execution provider کے ساتھ Yolo instance بناتا ہے، SkiaSharp سے تصویر ڈی کوڈ کرتا ہے، confidence اور IoU ترتیبات کے ساتھ RunObjectDetection کال کرتا ہے، نتائج ڈرا کرتا ہے اور آؤٹ پٹ محفوظ کرتا ہے۔ IoU پیرامیٹر کا اطلاق NMS پر مبنی ماڈلز پر ہوتا ہے اور YOLOv10 اور YOLOv26 جیسے ماڈلز کے لیے نظر انداز کر دیا جاتا ہے جو متعلقہ پوسٹ پروسیسنگ اندرونی طور پر کرتے ہیں۔ ورژن 4.2 میں منتخب تصویر یا ویڈیو کے علاقوں کے لیے region-of-interest انفرنس، segmented اشیا پر اختیاری edge drawing، ترتیب شدہ contour-point extraction، نتائج کے لیے ToJson اور SaveJson ہیلپرز، اور YOLO طرز کی annotations بنانے کے لیے ToYoloFormat اور SaveYoloFormat ہیلپرز شامل ہیں۔ دیگر دستاویزی خصوصیات میں engine caching اور قابل ترتیب resize اور sampling ترتیبات شامل ہیں۔ صارفین اپنے ONNX ماڈلز خود فراہم کرتے ہیں؛ پروجیکٹ پہلے سے تربیت یافتہ weights ڈاؤن لوڈ، شامل یا bundle نہیں کرتا۔ README YOLOv5u سے YOLOv12 کے لیے Ultralytics export opset 17 اور YOLOv26 کے لیے opset 18 تجویز کرتا ہے۔ YoloDotNet خود MIT لائسنس یافتہ ہے، جبکہ Ultralytics ٹولنگ سے تیار کردہ ماڈلز AGPL-3.0 ہو سکتے ہیں یا تجارتی لائسنس درکار ہو سکتا ہے، اس لیے صارفین ماڈل لائسنس کی تعمیل کی تصدیق کے خود ذمہ دار ہیں۔