1. 简介
DeploySharp 是一个专为 C# 开发者设计的跨平台模型部署框架，提供从模型加载、配置管理到推理执行的端到端解决方案。其核心架构采用模块化命名空间设计，显著降低了 C# 生态中深度学习模型的集成复杂度，
1. 架构设计与功能分层
- 根命名空间
DeploySharp作为统一入口，集成模型加载、推理执行等核心功能 - 通过子命名空间（如
DeploySharp.Engine）实现模块化分层设计 - 关键类采用泛型设计，支持图像处理/分类/检测等多任务标准数据交互
2. 多引擎支持与扩展能力
- 原生支持 OpenVINO（通过
OpenVinoSharp）、ONNX Runtime 推理引擎 - 支持 YOLOv5-v12全系列模型、Anomaly及其他主流模型部署
3. 跨平台运行时支持
- 兼容 .NET Framework 4.8 及 .NET 6/7/8/9
- 深度集成 .NET 运行时生态（NuGet 包管理）
4. 高性能推理能力
- 异步推理支持（
System.Threading.Tasks） - 支持单张/批量图片推理模式
- 丰富的预处理（ImageSharp/OpenCvSharp）和后处理操作
5. 开发者支持体系
- 中英双语代码注释与技术文档
log4net分级日志系统（错误/警告/调试）- 提供可视化结果展示方案
- 提供完善的示例代码库
该项目开源遵循 Apache License 2.0 协议，开发者可通过 QQ 群、微信公众号等渠道获取支持。未来版本计划扩展 TensorRT 支持并优化现有引擎的异构计算能力。
项目链接：
https://github.com/guojin-yan/DeploySharp.git 2. 模型支持列表
| Model Name | Model Type | OpenVINO | ONNX Runtime | TensorRT |
|---|---|---|---|---|
| YOLOv5 | Detection | ✅ | ✅ | ing... |
| YOLOv5 | Segmentation | ✅ | ✅ | ing... |
| YOLOv6 | Detection | ✅ | ✅ | ing... |
| YOLOv7 | Detection | ✅ | ✅ | ing... |
| YOLOv8 | Detection | ✅ | ✅ | ing... |
| YOLOv8 | Segmentation | ✅ | ✅ | ing... |
| YOLOv8 | Pose | ✅ | ✅ | ing... |
| YOLOv8 | Oriented Bounding Boxes | ✅ | ✅ | ing... |
| YOLOv9 | Detection | ✅ | ✅ | ing... |
| YOLOv9 | Segmentation | ✅ | ✅ | ing... |
| YOLOv10 | Detection | ✅ | ✅ | ing... |
| YOLOv11 | Detection | ✅ | ✅ | ing... |
| YOLOv11 | Segmentation | ✅ | ✅ | ing... |
| YOLOv11 | Pose | ✅ | ✅ | ing... |
| YOLOv11 | Oriented Bounding Boxes | ✅ | ✅ | ing... |
| YOLOv12 | Detection | ✅ | ✅ | ing... |
| Anomalib | Segmentation | ✅ | ✅ | ing... |
3. NuGet Package
3.1 Core Managed Libraries
| Package | Description | Link |
|---|---|---|
| JYPPX.DeploySharp | DeploySharp API core libraries | https://www.nuget.org/packages/JYPPX.DeploySharp/ |
3.2 Native Runtime Libraries
| Package | Description | Link |
|---|---|---|
| JYPPX.DeploySharp.ImageSharp | An assembly that uses ImageSharp as an image processing tool. | https://www.nuget.org/packages/JYPPX.DeploySharp.ImageSharp/ |
| JYPPX.DeploySharp.OpenCvSharp | An assembly that uses OpenCvSharp as an image processing tool. | https://www.nuget.org/packages/JYPPX.DeploySharp.OpenCvSharp/ |
4. 如何安装
4.1 获取方式
大家可以直接在NuGet Gallery官网上进行查找使用：
或者在Visual Studio的NuGet程序包中进行查找安装：
4.2 NuGet Package组合使用方式
DeploySharp包含了OpenCvSharp、ImageSharp等图像处理方式，同时支持OpenVINO、ONNX Runtime模型部署引擎，因此用户可以根据自己需求自行组合，并安装对应的NuGet Package即可开箱使用。以下总结了常用的一些使用情况的NuGet Package安装场景：
- OpenVINO推理+OpenCvSharp图像处理
JYPPX.DeploySharp JYPPX.DeploySharp.OpenCvSharp OpenVINO.runtime.win OpenCvSharp4.runtime.win - OpenVINO推理+ImageSharp图像处理
JYPPX.DeploySharp JYPPX.DeploySharp.ImageSharp OpenVINO.runtime.win - ONNX Runtime推理+OpenCvSharp图像处理
JYPPX.DeploySharp JYPPX.DeploySharp.OpenCvSharp OpenCvSharp4.runtime.win - ONNX Runtime推理+ImageSharp图像处理
JYPPX.DeploySharp JYPPX.DeploySharp.OpenCvSharp - ONNX Runtime(OpenVINO加速)推理+ImageSharp图像处理
JYPPX.DeploySharp JYPPX.DeploySharp.ImageSharp Intel.ML.OnnxRuntime.OpenVino - ONNX Runtime(DML加速)推理+ImageSharp图像处理
JYPPX.DeploySharp JYPPX.DeploySharp.ImageSharp Microsoft.ML.OnnxRuntime.DirectML - ONNX Runtime(CUDA加速)推理+ImageSharp图像处理
JYPPX.DeploySharp JYPPX.DeploySharp.ImageSharp Microsoft.ML.OnnxRuntime.DirectML 由于使用CUDA对ONNX Runtime加速受GPU设备型号以及软件版本影响，因此需要按照ONNX Runtime官方提供的版本对应关系进行下载使用，其中ONNX Runtime与CUDA、cuDNN对应关系请参考一下以下链接：
https://runtime.onnx.org.cn/docs/execution-providers/CUDA-ExecutionProvider.html#requirements 以上所列出的使用方式均可以通过NuGet Package一键安装，同样的，ONNX Runtime还支持更多加速方式，但需要用户自己进行代码构建，其构建流程与方式，参考官方教程即可，链接为：
https://runtime.onnx.org.cn/docs/execution-providers/ 5. 开始使用
如果你不知道如何使用，通过下面代码简单了解使用方法。
5.1 ImageSharp图像处理
using DeploySharp.Data; using DeploySharp.Engine; using DeploySharp.Model; using SixLabors.ImageSharp; using SixLabors.ImageSharp.PixelFormats; using System; namespace DeploySharp.ImageSharp.Demo { public class YOLOv5DetDemo { public static void Run() { // 模型和测试图片可以前往QQ群(945057948)下载 // 将下面的模型路径替换为你自己的模型路径 string modelPath = @"E:ModelYoloyolov5s.onnx"; // 将下面的图片路径替换为你自己的图片路径 string imagePath = @"E:Dataimagebus.jpg"; Yolov5DetConfig config = new Yolov5DetConfig(modelPath); //config.SetTargetInferenceBackend(InferenceBackend.OnnxRuntime); Yolov5DetModel model = new Yolov5DetModel(config); var img = Image.Load(imagePath); var result = model.Predict(img); model.ModelInferenceProfiler.PrintAllRecords(); var resultImg = Visualize.DrawDetResult(result, img as Image<Rgb24>, new VisualizeOptions(1.0f)); resultImg.Save(@$"./result_{ModelType.YOLOv5Det.ToString()}.jpg"); } } } 5.2 OpenCvSharp图像处理
using OpenCvSharp; using System.Diagnostics; using DeploySharp.Model; using DeploySharp.Data; using DeploySharp.Engine; using DeploySharp; using System.Net.Http.Headers; namespace DeploySharp.OpenCvSharp.Demo { public class YOLOv5DetDemo { public static void Run() { // 模型和测试图片可以前往QQ群(945057948)下载 // 将下面的模型路径替换为你自己的模型路径 string modelPath = @"E:ModelYoloyolov5s.onnx"; // 将下面的图片路径替换为你自己的图片路径 string imagePath = @"E:Dataimagebus.jpg"; Yolov5DetConfig config = new Yolov5DetConfig(modelPath); config.SetTargetInferenceBackend(InferenceBackend.OnnxRuntime); Yolov5DetModel model = new Yolov5DetModel(config); Mat img = Cv2.ImRead(imagePath); var result = model.Predict(img); model.ModelInferenceProfiler.PrintAllRecords(); var resultImg = Visualize.DrawDetResult(result, img, new VisualizeOptions(1.0f)); Cv2.ImShow("image", resultImg); Cv2.WaitKey(); } } } 6.应用案例
获取更多应用案例请参考：
| 案例类型 | 框架 | 链接 |
|---|---|---|
| 桌面应用 | .NET Framework 4.8 | https://github.com/guojin-yan/DeploySharp/tree/DeploySharpV1.0/applications/.NET Framework 4.8/DeploySharp.ImageSharp-ApplicationPlatform |
| 桌面应用 | .NET 6.0 | https://github.com/guojin-yan/DeploySharp/tree/DeploySharpV1.0/applications/.NET 6.0/DeploySharp.OpenCvSharp-ApplicationPlatform |
| 控制台应用 | .NET Framework 4.8、.NET 6.0-9.0 | https://github.com/guojin-yan/DeploySharp/tree/DeploySharpV1.0/samples |
后续会推出更多的应用案例使用介绍，敬请关注。
7. API文档
如果想了解更多信息，可以参阅：DeploySharp API Documented
8. 贡献
如果您对DeploySharp在C#使用感兴趣，有兴趣对开源社区做出自己的贡献，欢迎加入我们，一起开发DeploySharp。
如果你对该项目有一些想法或改进思路，欢迎联系我们，指导下我们的工作。
9. 许可证书
本项目的发布受Apache 2.0 license许可认证。
最后如果各位开发者在使用中有任何问题，欢迎大家与我联系。
