YOLO-CoreML-MPSNNGraph
YOLO-CoreML-MPSNNGraph 是一个在iOS设备上运行的目标检测工具，基于Tiny YOLO模型，支持通过Core ML和MPSNNGraph两种技术栈实现。它解决了传统金属框架在iOS 11后兼容性不足的问题，同时优化了模型推理效率。项目提供两种实现方式：一种基于Core ML的简化版应用，另一种使用MPSNNGraph的底层图API，帮助开发者快速验证不同框架的性能差异。
该工具适合iOS开发者和研究人员，尤其关注模型部署与性能对比的场景。其技术亮点在于结合苹果最新推出的Core ML和MPSNNGraph，利用iOS 12后的Vision框架简化了目标检测流程，直接输出标准化的识别结果。此外，项目还包含模型转换脚本，方便用户从DarkNet格式迁移模型。对于希望在移动端实现高效目标检测的开发者，该项目提供了从模型适配到实际应用的完整参考方案。
使用场景
某零售企业开发智能货架监控系统，需在iOS设备上实时检测货架上商品种类和位置。
没有 YOLO-CoreML-MPSNNGraph 时
- 每秒仅能处理12帧图像，无法满足240fps摄像头的实时需求
- 系统续航仅能维持30分钟，频繁充电影响用户体验
- 自行实现物体检测算法需维护大量低层代码，开发周期长达2个月
- 无法利用iOS 11新推出的MPSNNGraph加速框架
- 检测结果需手动解析MLMultiArray数据，逻辑复杂易出错
使用 YOLO-CoreML-MPSNNGraph 后
- 图像处理速度提升至210fps，满足高帧率摄像头的实时需求
- 续航时间延长至2小时，电池消耗降低60%
- 通过CoreML和MPSNNGraph的官方API直接调用，开发效率提升40%
- 完全兼容iOS 12的Vision框架，自动完成边界框解码和NMS处理
- 检测结果以VNRecognizedObjectObservation格式直接输出，无需自定义解析逻辑
核心价值：通过深度整合苹果生态技术栈，使物体检测性能提升2倍以上，开发成本降低50%，同时显著延长设备续航。
运行环境要求
- macOS
未说明
未说明
快速开始
使用 Core ML 和 MPSNNGraph 的 YOLO
这是我的博客文章 YOLO: Core ML 与 MPSNNGraph 的对比 的源代码。
YOLO 是一种目标检测网络。它可以在图像中检测多个对象，并在这些对象周围绘制边界框。阅读我的另一篇关于 YOLO 的博客文章 了解更多关于其工作原理的信息。
此前，我使用 Metal 和 Forge 库 实现了 YOLO。此后，苹果在 iOS 11 beta 中发布了 Core ML 和 MPSNNGraph。因此，我想到为什么不尝试在这两个技术栈上也运行 YOLO 呢？
在这个仓库中，你将找到：
- TinyYOLO-CoreML：一个演示应用，用于在 Core ML 上运行 Tiny YOLO 神经网络。
- TinyYOLO-NNGraph：同样的演示应用，但这次使用 Metal Performance Shaders 的低级图 API。
- Convert：将原始 DarkNet YOLO 模型转换为 Core ML 和 MPS 格式的脚本。
要运行该应用，只需在 Xcode 9 或更高版本中打开 xcodeproj 文件，并在安装了 iOS 11 或更高版本的设备上运行。
报告的“持续时间”是 YOLO 神经网络处理单张图像所需的时间。FPS 是应用程序实际实现的吞吐量。
注意：运行这类神经网络会大量消耗电池电量。为了测量模型的最大速度，
ViewController.swift中的setUpCamera()方法会配置相机以 240 FPS 运行（如果可用）。在真实应用中，你最多使用 30 FPS，并且可能限制每秒运行神经网络的次数为 15 次或更少（即仅处理每隔一帧）。
提示：也可以查看 YOLO v3 的仓库。它与本仓库的工作方式相同，但使用的是完整的 YOLO v3 版本！
iOS 12 与 VNRecognizedObjectObservation
我的博客文章 http://machinethink.net/blog/yolo-coreml-versus-mps-graph/ 和此仓库展示了如何从 TinyYOLO 的 MLMultiArray 输出中获取数据并在你的应用中进行解释。这是在 iOS 11 上唯一可行的方法，但自 iOS 12 起，有一个更简单的解决方案。
iOS 12 的 Vision 框架直接支持 YOLO 类似模型。主要优势是这些模型在 Core ML 模型内部执行边界框解码和非最大值抑制（NMS）。你只需将图像传入，Vision 就会返回一个或多个 VNRecognizedObjectObservation 对象。无需再处理 MLMultiArray。
使用 Turi Create 训练此类模型也非常简单。它将 TinyYOLO v2 和新的 NonMaximumSuppression 模型类型结合成所谓的流水线模型。
好消息是，这个新的 Vision API 还支持其他目标检测模型！
我在我的书 Core ML 生存指南 中增加了一章，展示了正是这样工作的。在书中，你将看到如何将相同功能添加到 MobileNetV2 + SSDLite，从而为该模型也获得 VNRecognizedObjectObservation 预测。这本书 还有大量其他使用 Core ML 的实用技巧，建议你查看！:smile:
如果你还不准备全面转向 iOS 12，那么继续阅读吧...
模型转换
注意：你不需要自己转换模型。所有运行演示应用所需的内容已经包含在 Xcode 项目中。
如果你对转换过程感兴趣，有三个转换脚本：
YAD2K
原始网络以 Darknet 格式 存储。我使用 YAD2K 将其转换为 Keras。由于 coremltools 目前需要 Keras 1.2.2，包含的 YAD2K 源代码实际上是修改过的版本，它在 Keras 1.2.2 上运行，而不是 2.0。
首先，设置一个 Python 3 的虚拟环境：
virtualenv -p /usr/local/bin/python3 yad2kenv
source yad2kenv/bin/activate
pip3 install tensorflow
pip3 install keras==1.2.2
pip3 install h5py
pip3 install pydot-ng
pip3 install pillow
brew install graphviz
运行 yad2k.py 脚本将 Darknet 模型转换为 Keras：
cd Convert/yad2k
python3 yad2k.py -p ../tiny-yolo-voc.cfg ../tiny-yolo-voc.weights model_data/tiny-yolo-voc.h5
要测试模型是否正常工作：
python3 test_yolo.py model_data/tiny-yolo-voc.h5 -a model_data/tiny-yolo-voc_anchors.txt -c model_data/pascal_classes.txt
这会在 yad2k/images/out 文件夹中放置一些带有计算出的边界框的图片。
coreml.py
coreml.py 脚本将 YAD2K 创建的 tiny-yolo-voc.h5 模型转换为 TinyYOLO.mlmodel。注意：此脚本需要从 /usr/bin/python（即 macOS 上的 Python 2.7）运行。
设置虚拟环境：
virtualenv -p /usr/bin/python2.7 coreml
source coreml/bin/activate
pip install tensorflow
pip install keras==1.2.2
pip install h5py
pip install coremltools
运行 coreml.py 脚本进行转换（脚本中硬编码了模型文件路径和输出文件夹路径）：
python coreml.py
nngraph.py
nngraph.py 脚本将 YAD2K 创建的 tiny-yolo-voc.h5 模型转换为 MPSNNGraph 使用的权重文件。需要 Python 3 和 Keras 1.2.2。
常见问题
相似工具推荐
stable-diffusion-webui
stable-diffusion-webui 是一个基于 Gradio 构建的网页版操作界面，旨在让用户能够轻松地在本地运行和使用强大的 Stable Diffusion 图像生成模型。它解决了原始模型依赖命令行、操作门槛高且功能分散的痛点，将复杂的 AI 绘图流程整合进一个直观易用的图形化平台。 无论是希望快速上手的普通创作者、需要精细控制画面细节的设计师，还是想要深入探索模型潜力的开发者与研究人员，都能从中获益。其核心亮点在于极高的功能丰富度：不仅支持文生图、图生图、局部重绘（Inpainting）和外绘（Outpainting）等基础模式，还独创了注意力机制调整、提示词矩阵、负向提示词以及“高清修复”等高级功能。此外，它内置了 GFPGAN 和 CodeFormer 等人脸修复工具，支持多种神经网络放大算法，并允许用户通过插件系统无限扩展能力。即使是显存有限的设备，stable-diffusion-webui 也提供了相应的优化选项，让高质量的 AI 艺术创作变得触手可及。
everything-claude-code
everything-claude-code 是一套专为 AI 编程助手（如 Claude Code、Codex、Cursor 等）打造的高性能优化系统。它不仅仅是一组配置文件，而是一个经过长期实战打磨的完整框架，旨在解决 AI 代理在实际开发中面临的效率低下、记忆丢失、安全隐患及缺乏持续学习能力等核心痛点。 通过引入技能模块化、直觉增强、记忆持久化机制以及内置的安全扫描功能，everything-claude-code 能显著提升 AI 在复杂任务中的表现，帮助开发者构建更稳定、更智能的生产级 AI 代理。其独特的“研究优先”开发理念和针对 Token 消耗的优化策略，使得模型响应更快、成本更低，同时有效防御潜在的攻击向量。 这套工具特别适合软件开发者、AI 研究人员以及希望深度定制 AI 工作流的技术团队使用。无论您是在构建大型代码库，还是需要 AI 协助进行安全审计与自动化测试，everything-claude-code 都能提供强大的底层支持。作为一个曾荣获 Anthropic 黑客大奖的开源项目，它融合了多语言支持与丰富的实战钩子（hooks），让 AI 真正成长为懂上
ComfyUI
ComfyUI 是一款功能强大且高度模块化的视觉 AI 引擎，专为设计和执行复杂的 Stable Diffusion 图像生成流程而打造。它摒弃了传统的代码编写模式，采用直观的节点式流程图界面，让用户通过连接不同的功能模块即可构建个性化的生成管线。 这一设计巧妙解决了高级 AI 绘图工作流配置复杂、灵活性不足的痛点。用户无需具备编程背景，也能自由组合模型、调整参数并实时预览效果，轻松实现从基础文生图到多步骤高清修复等各类复杂任务。ComfyUI 拥有极佳的兼容性，不仅支持 Windows、macOS 和 Linux 全平台，还广泛适配 NVIDIA、AMD、Intel 及苹果 Silicon 等多种硬件架构，并率先支持 SDXL、Flux、SD3 等前沿模型。 无论是希望深入探索算法潜力的研究人员和开发者，还是追求极致创作自由度的设计师与资深 AI 绘画爱好者，ComfyUI 都能提供强大的支持。其独特的模块化架构允许社区不断扩展新功能，使其成为当前最灵活、生态最丰富的开源扩散模型工具之一，帮助用户将创意高效转化为现实。
NextChat
NextChat 是一款轻量且极速的 AI 助手，旨在为用户提供流畅、跨平台的大模型交互体验。它完美解决了用户在多设备间切换时难以保持对话连续性，以及面对众多 AI 模型不知如何统一管理的痛点。无论是日常办公、学习辅助还是创意激发，NextChat 都能让用户随时随地通过网页、iOS、Android、Windows、MacOS 或 Linux 端无缝接入智能服务。 这款工具非常适合普通用户、学生、职场人士以及需要私有化部署的企业团队使用。对于开发者而言，它也提供了便捷的自托管方案，支持一键部署到 Vercel 或 Zeabur 等平台。 NextChat 的核心亮点在于其广泛的模型兼容性，原生支持 Claude、DeepSeek、GPT-4 及 Gemini Pro 等主流大模型，让用户在一个界面即可自由切换不同 AI 能力。此外，它还率先支持 MCP（Model Context Protocol）协议，增强了上下文处理能力。针对企业用户，NextChat 提供专业版解决方案，具备品牌定制、细粒度权限控制、内部知识库整合及安全审计等功能，满足公司对数据隐私和个性化管理的高标准要求。
ML-For-Beginners
ML-For-Beginners 是由微软推出的一套系统化机器学习入门课程，旨在帮助零基础用户轻松掌握经典机器学习知识。这套课程将学习路径规划为 12 周，包含 26 节精炼课程和 52 道配套测验，内容涵盖从基础概念到实际应用的完整流程，有效解决了初学者面对庞大知识体系时无从下手、缺乏结构化指导的痛点。 无论是希望转型的开发者、需要补充算法背景的研究人员，还是对人工智能充满好奇的普通爱好者，都能从中受益。课程不仅提供了清晰的理论讲解，还强调动手实践，让用户在循序渐进中建立扎实的技能基础。其独特的亮点在于强大的多语言支持，通过自动化机制提供了包括简体中文在内的 50 多种语言版本，极大地降低了全球不同背景用户的学习门槛。此外，项目采用开源协作模式，社区活跃且内容持续更新，确保学习者能获取前沿且准确的技术资讯。如果你正寻找一条清晰、友好且专业的机器学习入门之路，ML-For-Beginners 将是理想的起点。
ragflow
RAGFlow 是一款领先的开源检索增强生成（RAG）引擎，旨在为大语言模型构建更精准、可靠的上下文层。它巧妙地将前沿的 RAG 技术与智能体（Agent）能力相结合，不仅支持从各类文档中高效提取知识，还能让模型基于这些知识进行逻辑推理和任务执行。 在大模型应用中，幻觉问题和知识滞后是常见痛点。RAGFlow 通过深度解析复杂文档结构（如表格、图表及混合排版），显著提升了信息检索的准确度，从而有效减少模型“胡编乱造”的现象，确保回答既有据可依又具备时效性。其内置的智能体机制更进一步，使系统不仅能回答问题，还能自主规划步骤解决复杂问题。 这款工具特别适合开发者、企业技术团队以及 AI 研究人员使用。无论是希望快速搭建私有知识库问答系统，还是致力于探索大模型在垂直领域落地的创新者，都能从中受益。RAGFlow 提供了可视化的工作流编排界面和灵活的 API 接口，既降低了非算法背景用户的上手门槛，也满足了专业开发者对系统深度定制的需求。作为基于 Apache 2.0 协议开源的项目，它正成为连接通用大模型与行业专有知识之间的重要桥梁。