CoreML 模型在 MacOS 上正确预测，但在 iOS 上则不然

Question

我使用 yolov8x 在 Ultralytics Hub 上训练了一个图像模型。然后我通过在 Linux 机器上运行

best.mlpackage

将此模型转换为

yolo export model={model_url} format=coreml nms=true

文件，然后将其传输到 MacBook Air m2。

当我在 XCode 项目上使用此模型时，有一个预览选项卡，我可以在其中上传照片，并且该模型也按预期运行。

在同一台 Mac 上运行的 Swift 游乐场中，当我跑步时

guard let imageUrl = Bundle.main.url(forResource: "test_image", withExtension: "jpg") else { return }
guard let output = try? best().prediction(input: bestInput.init(imageAt: imageUrl, iouThreshold: 0.45, confidenceThreshold: 0.25)) else { return }
print(output.confidence)

它生成与预览选项卡相同数量的对象检测 (15)，这也是预期的。

但是，当我在 iOS 设备上运行相同的代码时（我在 iPhone 和 iPad 上都尝试过），预测完全是无稽之谈，它在任意位置检测到 115 个对象，但没有一个是正确的。

起初我认为这可能是 iOS 的一个问题，但当我使用模拟器而不是实际设备时，该模型也可以工作。我也在 iOS 17 和 18 上尝试过。

如果我使用

VNImageRequestHandler

而不是

model.prediction

，结果仍然是一样的。

我尝试的最后一件事是将模型的计算单元更改为仅使用 cpu。与使用神经引擎相比，这改变了结果，但它仍然是乱码。

还有一个可能有用的信息，Ultralytics 有一个 iOS 应用程序，您可以将在集线器中训练的模型加载到您的 iPhone，并运行实时检测。该模型在他们的应用程序中表现也很疯狂，即使在浏览器中查看模型页面时它工作得很好，所以我确信这与 iOS 运行这些模型的方式有关。

谁能帮我解决这个问题？

Answer 1

我也面临着同样的问题。我只用一个类训练了 YOLO11 模型。该模型在训练、验证和测试过程中表现良好。

验证运行/检测/训练/权重/best.pt... Ultralytics 8.3.49 🚀 Python-3.9.6 torch-2.2.2 CPU (Intel Core(TM) i3-8100B 3.60GHz) YOLO11n总结（融合）：238层，2,582,347个参数，0个梯度，6.3 GFLOPs 类图像实例框(P R mAP50 mAP50-95)：100%|██████████| 3/3 [00:09<00:00, 3.29s/it] all 79 1229 0.955 0.908 0.971 0.861 Speed: 3.1ms preprocess, 111.1ms inference, 0.0ms loss, 0.8ms postprocess per image

如果使用 format=coreml 和 nms=true 导出模型，则会生成 .mlpackage 文件。在 Xcode 中，这允许预览正确分析图像并检测对象。但是，当使用类中的 model.prediction(input: input) 或使用 VNCoreMLRequest(model: YOLOModel) 时，它不起作用。

要解决此问题，您需要使用 format=mlmodel 和 coremltools==6.2 导出模型。这确保了与这两种方法的兼容性，并且一切都按预期工作，它与这两种方法一起工作