本地运行的网络录像机，接入 IP 摄像头后实时做目标检测，识别到人、车等对象再触发录像和 MQTT 通知，画面不出家门。

RF-DETR 是 Roboflow 推出的实时目标检测与实例分割模型架构，在 COCO 上达到 SOTA，适合直接微调落地。

基于 PyTorch 的 YOLOv3 系列实现，覆盖训练、验证、推理全流程，并支持导出 ONNX、CoreML、TensorRT 等多种格式，方便做实时目标检测和边缘部署。

把 DINOv3 的强表征能力引入实时目标检测，DEIMv2 在保持实时推理速度的同时显著提升检测精度，适合需要快速部署的目标检测场景。

DEIM 是一个面向实时目标检测的 DETR 改进方案，通过优化一对一匹配策略加速模型收敛，让 DETR 系列检测器训练更快、精度更高。

YOLOv13 的官方实现，用超图增强的自适应视觉感知提升实时目标检测精度，适合需要落地部署检测模型的场景。

把 YOLO 系列模型接入 NVIDIA DeepStream SDK 的推理实现，支持 Darknet、PyTorch、Paddle 等多种权重格式，方便在 Jetson 和 GPU 上做实时目标检测部署。

YOLO-Master 是腾讯开源的实时目标检测模型，用专家混合（MoE）搭配专用 Transformer 提升检测精度与速度，支持检测、分割和分类任务。

一站式实时视觉训练与部署框架，覆盖目标检测、关键点估计、实例与语义分割，支持导出 TensorRT、ONNX、OpenVINO、CoreML 到边缘设备。