nanoowl

收录理由

这个项目把 OWL-ViT 的图像编码器编译成 TensorRT 引擎，让开放词汇的目标检测在 Jetson Orin Nano 和 AGX Orin 上达到实时速度。它还将 OWL-ViT 与 CLIP 组合成树形检测流程，支持类似“猫头鹰 [翅膀, 眼睛]”这样的嵌套文本查询，先找到鸟，再在检测区域内定位并分类各个部件。这种纯文本驱动的检测方式，省去了为每个新目标训练模型的麻烦，很适合快速搭建原型。Python 接口和现成的示例让上手门槛不高；如果还需要分割掩码，可以搭配 NanoSAM 做零样本实例分割。