Vzglyad-Detect

Русский | English

Vzglyad - это независимая и легковесная библиотека компьютерного зрения для запуска моделей детекции объектов. Она позволяет использовать модели, обученные для Yolo, без необходимости использовать их тяжелые лицензии.

Основные возможности

• Ноль зависимостей от сторонних фреймворков на этапе чистого инференса.
• Конвертация моделей. Вы можете использовать отдельный инструмент YoloPT-to-VZglyad-detectPTH для перевода .pt в .pth !! Прочтите ридми там важно.
• Легкая и быстрая архитектура.
• Простота интеграции в ваши существующие пайплайны компьютерного зрения.

Использование

Для использования библиотеки необходимо предварительно конвертировать вашу оригинальную модель (.pt) в формат (.pth) с помощью отдельного конвертера YoloPT-to-VZglyad-detectPTH. Или обучите её сразу в pth (https://github.com/AlexeyRF/VZglyad-Detect-training) (лучше)

import cv2
from vzglyad_vision import VisionPredictor

# Загрузка весов
predictor = VisionPredictor("clean_model.pth", device='cpu')

# Пример распознавания:
img = cv2.imread("test_image.jpg")
results, im0 = predictor.predict(img, conf_thres=0.25)

# Отрисовка результатов
img_drawn = predictor.draw_results(img, results)
cv2.imshow("Result", img_drawn)
cv2.waitKey(0)

Лицензия (MIT)

Данная библиотека и использование "чистых" весов в формате .pth распространяются под лицензией MIT.

---

Vzglyad (English)

Vzglyad is an independent, lightweight vision library for object detection inference.

Key Features

• Zero dependencies on third-party frameworks during pure inference.
• Model Conversion. You can use the separate YoloPT-to-VZglyad-detectPTH converter tool to translate .pt to .pth.
• Lightweight and fast architecture.
• Easy to integrate into your existing computer vision pipelines.

Usage

To use the library, you must first convert your original model (.pt) to the (.pth) format using the separate converter tool YoloPT-to-VZglyad-detectPTH. Or train in pth (https://github.com/AlexeyRF/VZglyad-Detect-training) (best variant)

import cv2
from vzglyad_vision import VisionPredictor

# Load the extracted clean weights directly (doesn't violate AGPL-3). 
predictor = VisionPredictor("clean_model.pth", device='cpu')

# Run inference
img = cv2.imread("test_image.jpg")
results, im0 = predictor.predict(img, conf_thres=0.25)

# Draw results
img_drawn = predictor.draw_results(img, results)
cv2.imshow("Result", img_drawn)
cv2.waitKey(0)

License (MIT)

This library and the use of "clean" weights in the .pth format are licensed under the MIT license.