企业官网建设流程全解析

如何5分钟用 lite.ai.toolkit 跑通 YOLOv5 目标检测？Linux 环境配置与编译完整指南

【免费下载链接】lite.ai.toolkitA lite C++ AI toolkit: 100+ models with MNN, ORT and TRT, including Det, Seg, Stable-Diffusion, Face-Fusion.项目地址: https://gitcode.com/gh_mirrors/lit/lite.ai.toolkit

lite.ai.toolkit 是一个轻量的 C++ AI 工具箱，内置 100+ 视觉模型的开箱即用推理实现。本文手把手带你完成 Linux 环境配置与编译，5 分钟跑通YOLOv5 目标检测：从克隆仓库、一键编译，到运行示例并得到带检测框的结果图，全程无需手动安装 OpenCV 和 ONNXRuntime。

为什么选 lite.ai.toolkit 跑 YOLOv5？🎯

运行前的 Linux 环境检查 ✅

💡 如果你的机器已装好 cmake 和 gcc，就可以直接进入下一步，这也是"5 分钟"的关键。

一键编译：克隆仓库并运行 build.sh

只需 3 条命令完成克隆与编译：

git clone https://gitcode.com/gh_mirrors/lit/lite.ai.toolkit cd lite.ai.toolkit sh ./build.sh

build.sh 会自动完成以下工作：

1. 创建build/目录并执行cmake（MinSizeRel 模式，-DENABLE_TEST=ON构建全部示例）；
2. 自动下载OpenCV 4.9.0与ONNXRuntime 1.17.1到third_party/（见cmake/opencv.cmake、cmake/onnxruntime.cmake）；
3. make -j8编译并make install到build/install/，示例可执行文件输出到build/install/bin/。

一键运行 YOLOv5 目标检测示例 🚀

编译完成后，示例程序lite_yolov5已经就位，直接运行：

cd build/install/bin ./lite_yolov5

它会自动读取仓库自带的模型与测试图：

• 模型：examples/hub/onnx/cv/yolov5s.onnx
• 测试图：examples/lite/resources/test_lite_yolov5_1.jpg
• 结果输出：examples/logs/test_lite_yolov5_1.jpg

输入图像（原始测试图）：

检测结果（YOLOv5 目标检测输出，自动画出检测框与置信度）：

控制台会打印输入输出张量维度（如1x3x640x640、pred 1x25200x85）与检测到的框数量——看到Detected Boxes Num就说明 YOLOv5 目标检测已经跑通了 🎉。

示例源码见examples/lite/cv/test_lite_yolov5.cpp，核心逻辑只有 6 行：

auto *yolov5 = new lite::cv::detection::YoloV5(onnx_path); // 加载 ONNX 模型 cv::Mat img_bgr = cv::imread(test_img_path); std::vector<lite::types::Boxf> boxes; yolov5->detect(img_bgr, boxes); // 目标检测 lite::utils::draw_boxes_inplace(img_bgr, boxes); // 画框 cv::imwrite(save_img_path, img_bgr);

想集成到自己的工程，参考CMakeLists.txt中的 Quick Setup：find_package(lite.ai.toolkit)后链接${lite.ai.toolkit_LIBS}即可，详见项目根目录 README 说明。

如何切换 MNN / NCNN / TNN / TensorRT 推理引擎 ⚡

同一个 YOLOv5 模型，换一行类名即可切换后端（各后端源码位于lite/mnn/cv/、lite/ncnn/cv/、lite/tnn/cv/、lite/trt/cv/）：

🚀 想用 NVIDIA GPU 加速？执行sh ./build.sh tensorrt重新编译（需 TensorRT 10.x + CUDA 12.x），再用trtexec把 ONNX 转为 engine：trtexec --onnx=yolov5s.onnx --saveEngine=yolov5s.engine。安装步骤见docs/tensorrt/tensorrt-linux-x86_64.zh.md。

常见编译与运行问题排查 🛠

• 运行示例报找不到.so：build/install/下已随包安装好三方库；若自行编译示例，记得把build/install/lib、build/install/third_party/*/lib加入LD_LIBRARY_PATH。
• Windows / macOS 无法构建：>=0.2.0版本目前仅支持 Linux（见根目录CMakeLists.txt中的平台检查）。
• 检测框为空：检查模型文件yolov5s.onnx是否存在、输入图像是否为彩色 BGR 格式。
• 想了解模型是怎么转 ONNX 的：阅读docs/ort/ort_yolov5.zh.md，里面完整记录了 YOLOv5 → ONNX 转换与 C++ 推理实现原理。

关键文件速查表 📚

跑通 YOLOv5 只是开始——同一套写法，你可以继续体验 YOLOX、NanoDet、人脸检测、抠图甚至 Stable Diffusion，全部示例都在examples/lite/cv/目录下等你探索 👀

【免费下载链接】lite.ai.toolkitA lite C++ AI toolkit: 100+ models with MNN, ORT and TRT, including Det, Seg, Stable-Diffusion, Face-Fusion.项目地址: https://gitcode.com/gh_mirrors/lit/lite.ai.toolkit