FlashDetect

低延迟 YOLO26 目标检测引擎推理实现，专为实时视频流优化。仅支持 YOLO26 端到端导出（[N,6] 格式，无 NMS）。

基于 TensorRT + CUDA Graph，全 GPU 流水线。

安装

pip install flashdetect-trt111-cu12x

首次 import flashdetect 会自动检测 NVIDIA 驱动版本，从 GitHub 下载最适合的原生库

系统要求

• Windows x64 / Linux x64
• NVIDIA GPU (Compute Capability ≥ 7.5)
• Python ≥ 3.9
• NVIDIA 驱动 ≥ 525

轮子内置对应 CUDA 版本 + TensorRT 11.1 运行时，无需额外安装 CUDA Toolkit。

注意：当前FlashDetect 仅包含推理运行时，请自行构建 engine，后续会增加构建模块

注意：若同时使用 PyTorch 等 GPU 库，请将 import flashdetect 放在最前面，避免 CUDA 版本冲突。

导出引擎

该版本必须用支持 CUDA12.x 的TensorRT 11.1 构建 .engine 文件（使用其他版本引擎可能无法加载），且NMS必须为False

激活授权

首次使用时需要联系作者获取 license.key 文件，联系方式在最后：

import flashdetect

# 1. 获取本机 ID
print(flashdetect.get_machine_id())

# 2. 将 license.key 放到 flashdetect 包目录下，或使用自动安装：
flashdetect.install_license("license.key路径")

快速开始

from flashdetect import FlashDetect
import cv2

img = cv2.imread("bus.jpg")
model = FlashDetect("best.engine", device_id=0, bgr2rgb=True, letterbox=True)
result = model.detect(img)

for d in result:
    x1, y1, x2, y2 = int(d.x1), int(d.y1), int(d.x2), int(d.y2)
    cv2.rectangle(img, (x1, y1), (x2, y2), (0, 255, 0), 2)
    label = f"cls={int(d.class_id)} {d.conf:.2f}"
    cv2.putText(img, label, (x1, y1 - 5), cv2.FONT_HERSHEY_SIMPLEX, 0.5, (0, 255, 0), 1)

cv2.imwrite("bus_result.jpg", img)

API 参考

模块级工具

FlashDetect(engine_path, **kwargs)

初始置信度 0.25，检测所有类别。通过 detect(conf=..., classes=...) 帧间动态调整。

detect(image, conf=None, classes=None) -> List[Detection]

Detection

其他方法

detector.input_width, detector.input_height   # 引擎输入尺寸
detector.close()                               # 释放 GPU 资源
# 或使用 with 语句自动释放：
# with FlashDetect("model.engine") as detector:
#     dets = detector.detect(frame)

性能

实测（RTX 4050 Laptop, YOLO26s 128×128 引擎, 256×256 BGR 输入, 1000 图 × 10 次）：

CUDA Graph 确保每次推理耗时稳定，无 CPU 端 kernel launch 开销。

适用场景

• 游戏画面实时分析（DX 采集）
• 工业相机检测
• 视频流目标跟踪

不适用：图片文件 批量 识别（无需 GPU Graph 优化）。

许可 & 联系

需要 license.key 文件才能运行。无授权时 FlashDetect() 会提示本机 ID。

• 📧 邮箱：2169431623@qq.com
• 💬 微信：13709056129