不用 Python 也能跑 YOLO？这个 .NET 库让我扔掉了 OpenCV - 张善友
内容提要
YoloDotNet v4.2 是一个纯 C# 的 YOLO 推理库，基于 .NET 8、ONNX Runtime 和 SkiaSharp，无需 Python 和 OpenCV。它支持分类、检测、OBB、分割和姿态估计，覆盖 YOLOv5u 至 YOLOv26 等模型，并新增 ROI 推理、结果导出为 YOLO 格式和 JSON 等功能。使用时需注意：执行提供程序只能安装一个，预处理参数须与训练一致，商用需确认模型许可。
延伸解读
从 Python 到纯 C#：部署复杂度的降低
文章指出，.NET 开发者常面临模型用 Python 训练、推理需嵌入 C# 项目的困境，以往需起 Python 微服务或引入 emgucv 等庞大依赖。YoloDotNet 基于 .NET 8、ONNX Runtime 和 SkiaSharp，提供纯 C# 推理，无需 Python 和 OpenCV，显著简化了部署流程，减少了环境配置的麻烦。
模型兼容性与硬件加速的模块化设计
该库支持从 YOLOv5u 到 YOLOv26 的广泛模型，包括 YOLO-World、YOLO-E 和 RT-DETR，覆盖分类、检测、OBB、分割和姿态估计五类任务。硬件加速通过独立的 NuGet 包实现，但需注意只能安装一个执行提供程序，混装会导致原生运行时冲突，这是使用时的关键限制。
预处理参数匹配：精度保障的关键
文章强调推理精度并非开箱即得，图像缩放方式、采样方法、confidence 和 IoU 阈值等预处理参数必须与模型训练时一致，否则结果会变差。作者建议参考仓库中的 Accuracy & Configuration Guide，这提醒开发者避免因参数不匹配导致的精度下降问题。
许可与商用合规提醒
YoloDotNet 本身采用 MIT 许可，可自由使用，但它不包含预训练模型，需用户自行导出。而 Ultralytics 的 YOLO 模型多采用 AGPL-3.0 或需商业授权，商用项目务必提前确认模型许可，避免产品上线后出现合规风险。这一点在 README 中以 Warning 标注，值得注意。
Q&A
YoloDotNet 是什么？它和 Python 或 OpenCV 有什么关系？
YoloDotNet 是一个纯 C# 的 YOLO 推理库，基于 .NET 8、ONNX Runtime 和 SkiaSharp，无需 Python 和 OpenCV。作者在 README 中明确写道：No Python，No OpenCV，No magic。
YoloDotNet 支持哪些 YOLO 模型和视觉任务？
支持分类、目标检测、旋转框（OBB）检测、分割、姿态估计五类任务，图片和视频流都支持。模型谱系覆盖 YOLOv5u 到 YOLOv26，外加 YOLO-World、YOLO-E 和 RT-DETR。
使用 YoloDotNet 时，执行提供程序安装有什么注意事项？
执行提供程序只能安装一个。混着装会导致原生运行时冲突，README 里专门加了感叹号强调这一点。
YoloDotNet v4.2 新增了哪些实用功能？
新增了 ROI 区域推理（只在指定区域跑检测）、结果导出为 YOLO 格式（ToYoloFormat()/SaveYoloFormat()）、JSON 导出和轮廓点提取（ToJson()/SaveJson()/GetContourPoints()），分割物体可画边缘线，YOLOv26 推理流程也与其他任务对齐。
为什么同一个模型换到 YoloDotNet 后精度会变差？如何避免？
推理精度不是开箱即得的。图像缩放方式、采样方法、confidence 和 IoU 阈值等预处理参数必须和模型训练时的配置匹配，否则结果会莫名其妙地差。作者建议先读仓库里的 Accuracy & Configuration Guide。
YoloDotNet 商用需要注意什么许可问题？
YoloDotNet 本身是 MIT 许可，可随意使用，但它只是推理引擎，不带预训练模型。而 Ultralytics 的 YOLO 模型大多是 AGPL-3.0 或需要商业授权，商用项目务必先确认模型许可。
