# VisualIdentity
**Repository Path**: shunnet/VisualIdentity
## Basic Information
- **Project Name**: VisualIdentity
- **Description**: 应用于工业物联网项目上基础视觉识别服务，使用 .net Core 与 Yolo 识别服务开发的 WebApi 服务 ，开箱即用
- **Primary Language**: C#
- **License**: MIT
- **Default Branch**: main
- **Homepage**: None
- **GVP Project**: No
## Statistics
- **Stars**: 3
- **Forks**: 2
- **Created**: 2025-10-24
- **Last Updated**: 2025-12-25
## Categories & Tags
**Categories**: Uncategorized
**Tags**: None
## README
# 
VisualIdentity
[](LICENSE)
[](https://github.com/shunnet/VisualIdentity)
> 🚀 **基于 .NET 10 的多模型智能识别平台**
> 高效 · 灵活 · 易部署
## 🌟 项目简介
在 **AI 应用落地** 的过程中，**模型管理** 与 **多任务识别** 一直是开发者的痛点。
无论是 **检测、分类、分割、姿态估计、定向检测**，往往都需要同时部署多个模型，传统方案在 **效率** 和 **易用性** 上总会遇到瓶颈。
**VisualIdentity** 正是为了解决这一系列问题而生。
它结合了 **.NET 10** 的现代化能力、[YoloDotNet](https://github.com/NickSwardh/YoloDotNet) 的高性能推理、以及 **SQLite** 的轻量级管理，为开发者提供一个 **开箱即用** 的智能识别平台。
✅ 多模型管理
✅ 单机多任务识别
✅ 跨平台部署
## 🎯 应用场景
- 🏭 **工业质检**：瑕疵检测、异物识别
- 🛒 **零售分析**：顾客行为、货架检测
- 🛡️ **智能安防**：异常行为、姿态识别
- 🎓 **科研教育**：多模型实验平台
- 🌐 **边缘计算**：轻量化部署到嵌入式或服务器
## 📦 NuGet 安装
```bash
dotnet add package Snet.Yolo.Server
```
### 💡 调用示例
```csharp
using SkiaSharp;
using Snet.Model.data;
using Snet.Utility;
using Snet.Yolo.Server;
using Snet.Yolo.Server.handler;
using Snet.Yolo.Server.models.data;
using Snet.Yolo.Server.models.@enum;
using YoloDotNet.Core;
using YoloDotNet.Extensions;
using YoloDotNet.Models;
namespace Snet.Yolo.Test
{
internal class Program
{
static async Task Main(string[] args)
{
//可以直接启用 Snet.Yolo.Tool 来进行调试
//????? 为对应数据
// 原始图片路径
string imagePath = "?????";
//模型路径
string onnxModel = "?????";
//识别类型
OnnxType onnxType = OnnxType.ObjectDetection;
//直接调用库来进行本地识别操作
using SKImage image2 = SKImage.FromEncodedData(imagePath);
// 调用识别
OperateResult operateResult = await IdentityOperate.Instance(new Yolo.Server.models.data.IdentityData
{
Hardware = new CpuExecutionProvider(),
IdentifyType = onnxType,
OnnxPath = onnxModel,
SN = $"{onnxType}{onnxModel}"
}).RunAsync(new ObjectDetectionData
{
Confidence = 0.23,
Iou = 0.7,
File = image2.Encode().ToArray()
});
// 转换结果
List results2 = operateResult.GetObjectDetectionResult().ToObjectDetection();
//绘制结果
using SKBitmap resultImage2 = image2.Draw(results2);
}
}
}
```
## ⚙️ 功能特性
### 🔹 多模型管理
- 支持 **增 / 删 / 改 / 查**
- 模型 **版本化 & 快速切换**
- 一机多模型轻松维护
### 🔹 单机多任务流畅运行
- 支持 **检测 / OBB 定向检测 / 分类 / 分割 / 姿态估计**
- 基于 **YoloDotNet 高速推理内核**
- **零配置，一键运行**
### 🔹 跨平台 & 部署友好
- 支持 **Windows / Linux / Docker 部署**
- 提供轻量化配置，适配 **边缘设备 & 服务器**
- **开箱即用，降低开发门槛**
## 📚 依赖组件
### [Snet.DB](https://www.nuget.org/packages/Snet.DB)
- 集成 **Dapper & SqlSugarCore**
- 支持高性能 **SQL 映射与链式查询**
- 自动建表，高效开发
- 保持轻量同时，具备 **生产级性能**
### [YoloDotNet](https://github.com/NickSwardh/YoloDotNet)
- C# 生态下 **极快、功能齐全** 的 YOLO 推理库
- 支持 **YOLOv5u - YOLOv12、YOLO World、YOLO-E**
- 功能覆盖：**检测 / OBB / 分割 / 分类 / 姿态估计 / 跟踪**
## 🧩 支持的版本
```
YOLOv5u | YOLOv8 | YOLOv9 | YOLOv10 | YOLOv11 | YOLOv12 | YOLO-World | YOLO-E
```
## 🔬 支持的任务
| 分类 (Classification) | 检测 (Detection) | OBB 定向检测 | 分割 (Segmentation) | 姿态估计 (Pose) |
|:---:|:---:|:---:|:---:|:---:|
| 
| 
| 
| 
| 
|
| [pexels.com](https://www.pexels.com/photo/hummingbird-drinking-nectar-from-blooming-flower-in-garden-5344570/) | [pexels.com](https://www.pexels.com/photo/men-s-brown-coat-842912/) | [pexels.com](https://www.pexels.com/photo/bird-s-eye-view-of-watercrafts-docked-on-harbor-8117665/) | [pexels.com](https://www.pexels.com/photo/man-riding-a-black-touring-motorcycle-903972/) | [pexels.com](https://www.pexels.com/photo/woman-doing-ballet-pose-2345293/) |
## ⚡ 推理后端支持
## 🙏 致谢
- 🌐 [Shunnet.top](https://shunnet.top)
- 🔥 [Ultralytics](https://github.com/ultralytics/ultralytics)
- ⚡ [YoloDotNet](https://github.com/NickSwardh/YoloDotNet)
- 🖥️ [WpfMUI](https://github.com/shunnet/WpfMUI)
## 📜 许可证
本项目基于 **MIT** 开源。
请阅读 [LICENSE](LICENSE) 获取完整条款。
⚠️ 软件按 “原样” 提供，作者不对使用后果承担责任。
## 🌍 查阅
👉 [点击跳转](https://shunnet.top/EaiUj)