← 返回模型目录

检测

YOLOv8s-worldv2

Model Farm 固定 COCO 80 类 YOLO-World 导出，使用官方 RGB 输入与分尺度 DFL 解码。

部署到自己的板卡
QCS6490
35.3msW8A16
QCS8550
10.4msW8A16
IQ9
需适配
IQ8
需适配

机房真机实测，全部精度 ›

运行效果

样例输入
person 70
person 70
person 70
bus 70
person 52
机房真机 QCS8550 · W8A16 · 处理耗时 12.8 ms

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。

板卡精度速度FPS峰值内存
QCS6490W8A16默认35.3 ms28.398 MB
QCS8550W8A16默认10.4 ms96822 MB
FP1615.2 ms65.8311 MB
IQ9QCS9075—需适配——
IQ8QCS8275—需适配——

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QCS8550 上运行，确认结果和速度。

  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QCS8550（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。

    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。

    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。

    python3 app/pipeline.py --sdk-root .sdk --input 你的文件
AidLux 开发文档 ↗

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
浏览用到它的原型 →