# ytstudio

**Repository Path**: hejun5448/ytstudio

## Basic Information

- **Project Name**: ytstudio
- **Description**: 模型训练工作台 DFINE/Yolo26/Yolo11/Yolo8/Yolo5/RKNN/DeepSort/ResNet/XcOCR/XcFaceNet/AudioNet/PaddleOCR
- **Primary Language**: Python
- **License**: MIT
- **Default Branch**: master
- **Homepage**: None
- **GVP Project**: No

## Statistics

- **Stars**: 0
- **Forks**: 77
- **Created**: 2026-10-08
- **Last Updated**: 2026-10-08

## Categories & Tags

**Categories**: Uncategorized

**Tags**: None

## README

# ytstudio

**语言 / Language：** [简体中文](README.md) | [English](README_en.md)

> 宇图瑞视（yuturuishi）开源 AI 算法训练框架集合 —— 覆盖目标检测、图像 / 视频 / 音频分类、人脸识别、车牌识别等任务，并提供瑞芯微（Rockchip）边缘设备的模型转换（onnx → rknn）全链路。

| | |
|---|---|
| 官网 | https://www.yuturuishi.com |
| 微信 | yuturuishi |
| Gitee | https://gitee.com/yuturuishi/ytstudio |
| GitHub | https://github.com/yuturuishi/ytstudio |

## 简介

ytstudio 是一套面向 AI 视觉与音频算法的训练与部署工具集合。它以**模块化**方式组织：每个任务类型对应一个独立训练模块，配套免费公开数据集与示例脚本，开发者可快速完成「数据准备 → 模型训练 → 边缘部署」的完整流程。对于需要落地到瑞芯微硬件的场景，使用 `onnx2rknn` 即可将训练产出的 onnx 模型转换为 rknn 格式，直接在边缘端加速推理。

## 功能模块

| 模块 | 任务类型 | 说明 | 状态 |
|---|---|---|---|
| Train_yolo8 / Train_yolo11 / Train_yolo26 | 目标检测 | YOLO 官方训练框架 | 内置 |
| Train_rk_yolo5 / Train_rk_yolo8 / Train_rk_yolo11 | 目标检测（边缘） | 适用于瑞芯微设备的 YOLO 模型训练框架 | 内置 |
| onnx2rknn | 模型转换 | 在 x86 / arm 上将 onnx 模型转换为 rknn 模型 | 内置 |
| Train_ResNet | 图像分类 | 基于 ResNet 的图片分类算法训练框架 | 内置 |
| Train_AudioNet | 音频分类 | 音频片段分类算法训练框架 | 已迁移独立仓库 |
| Train_VideoNet | 视频分类 | 视频片段分类算法训练框架 | 已迁移独立仓库 |
| Train_XcFaceNet | 人脸识别 | 人脸特征提取算法训练框架 | 已迁移独立仓库 |
| Train_PaddleOCR_Plate | 车牌识别 | 基于 PaddleOCR 与 PP-OCRv4 训练商用级车牌识别模型 | 已迁移独立仓库 |

## 项目结构

ytstudio 仓库按任务类型组织为多个独立训练模块：

```
ytstudio/
├── Train_yolo8/  Train_yolo11/  Train_yolo26/    # YOLO 官方训练框架（目标检测）
├── Train_rk_yolo5/  Train_rk_yolo8/  Train_rk_yolo11/  # 瑞芯微边缘 YOLO 训练框架
├── onnx2rknn/              # onnx → rknn 模型转换工具
├── Train_ResNet/          # 图像分类训练框架
├── Train_AudioNet/        # 音频分类（已迁移独立仓库）
├── Train_VideoNet/        # 视频分类（已迁移独立仓库）
├── Train_XcFaceNet/       # 人脸识别（已迁移独立仓库）
└── Train_PaddleOCR_Plate/ # 车牌识别（已迁移独立仓库）
```

## 技术栈

PyTorch + CUDA | Ultralytics YOLO | OpenCV / PIL / NumPy | RKNN Toolkit / ONNX Runtime | Python

## 环境要求

- **Python** 3.8 及以上
- **训练**：PyTorch + CUDA（具体版本见各模块 README 的环境说明）
- **边缘部署**：Rockchip 模型转换环境（见 `onnx2rknn` 模块 README，提供多种安装方式）

## 快速开始

1. 下载训练数据集（见下方「免费训练数据集」）。
2. 进入对应训练模块目录，按该模块的 README 配置数据集路径并启动训练。
3. 训练产出 onnx 模型后，如需部署到瑞芯微设备，使用 `onnx2rknn` 将其转换为 rknn 格式。

> 各内置模块均自带独立 README，包含该模块的配置与训练细节，请以模块 README 为准。

## 子模块与独立仓库

部分训练框架已拆分为独立仓库进行维护，点击跳转：

- **AudioNet**（音频分类）：[Gitee](https://gitee.com/yuturuishi/AudioNet) · [GitHub](https://github.com/yuturuishi/AudioNet)
- **ResNet**（图像分类）：[Gitee](https://gitee.com/yuturuishi/ResNet) · [GitHub](https://github.com/yuturuishi/ResNet)
- **VideoNet**（视频分类）：[Gitee](https://gitee.com/yuturuishi/VideoNet) · [GitHub](https://github.com/yuturuishi/VideoNet)
- **XcFaceNet**（人脸识别）：[Gitee](https://gitee.com/yuturuishi/XcFaceNet) · [GitHub](https://github.com/yuturuishi/XcFaceNet)
- **PaddleOCR_Plate**（车牌识别）：[Gitee](https://gitee.com/yuturuishi/PaddleOCR_Plate) · [GitHub](https://github.com/yuturuishi/PaddleOCR_Plate)

## 样本采集与标注

推荐使用 **[ytlabel](https://gitee.com/yuturuishi/ytlabel)**（[GitHub](https://github.com/yuturuishi/ytlabel)）—— 集样本采集（视频抽帧）与标注于一体，支持图片 / 视频 / LabelMe 数据集导入、矩形 / 多边形标注，可直接导出 YOLO 格式数据集（含 train / val / test 切分与 `data.yaml`）。

也可使用 [labelme](https://pan.quark.cn/s/7e6accce2a3e) 标注后导入 ytlabel 导出数据集。

## 免费训练数据集

- 训练数据集 - 夸克网盘下载地址：https://pan.quark.cn/s/5dcc2f724bcc
- 检测密集人群数据集 20250625
- 检测明厨亮灶数据集 20250625
- 检测攀爬数据集 20250624
- 检测抽烟数据集 20241012
- 检测打架数据集 20241012
- 检测反光衣数据集 20241013
- 检测粉尘数据集 20241013
- 检测火焰烟雾数据集 20241012
- 检测人头和安全帽数据集 20241013
- 检测人体 5 动作 - 站着 - 摔倒 - 坐 - 深蹲 - 跑数据集 20241012
- 检测学生 3 状态数据集 20241022
- 检测睡岗数据集 20241210
- 检测手机数据集 20251206
- 猫狗 2 分类数据集 - 夸克网盘下载地址 https://pan.quark.cn/s/982dd16cb29d
- 车型 9 分类数据集 - 夸克网盘下载地址 https://pan.quark.cn/s/f698d0e99a4b
- 打鼾 + 不打鼾语音识别 2 分类数据集 - 夸克网盘下载地址：https://pan.quark.cn/s/4d83dabff0a6

## 开源协议

本项目基于 [MIT License](LICENSE) 开源，可免费用于学习、研究与商业用途。

## 第三方依赖与许可说明

ytstudio 的**自有代码**以 MIT License 发布，可自由用于学习、研究与商业用途。

本项目涉及的主要第三方依赖及其许可：

| 依赖 | 用途 | 许可 |
|---|---|---|
| PyTorch | 训练框架基础 | BSD |
| Ultralytics（YOLO 训练框架） | YOLO 模型训练 | AGPL-3.0 |
| OpenCV / PIL / NumPy 等 | 图像与数值处理 | MIT / BSD 等宽松许可 |
| RKNN Toolkit / ONNX Runtime | 模型转换与推理 | Apache-2.0 / MIT |

- **Ultralytics（AGPL-3.0）**：使用其训练模型、并导出为 ONNX / RKNN 后在自有硬件上部署，不受 AGPL 网络服务条款约束；但若将 Ultralytics 软件本身以闭源产品、私有部署、SaaS、边缘/嵌入式设备等方式对外提供，须遵守 Ultralytics 许可条款或购买其 Enterprise License。ytstudio 的 MIT 许可不覆盖该部分义务。
- **模型与数据集**：仓库所引训练数据集、预训练权重由其提供方负责许可；Ultralytics 预训练权重（`.pt`）受 AGPL / 企业许可约束。
- **网络请求**：ytstudio 为本地训练工具，不向任何外部服务器回传用户数据或运行信息。
- **免责**：使用者应自行确保所用模型、数据集与部署环境的合法性。ytstudio 按「现状」提供，不作任何担保。