VLM-AutoYOLO

VLM-AutoYOLO 是一个端到端的自动标注与YOLO模型训练平台，支持图像和视频数据。它基于视觉语言模型（LocateAnything-3B）实现开放词汇目标检测自动标注，结合SAM2.1/SAM3生成像素级掩码，并提供画布式手动精修、视频关键帧智能抽取（含场景/运动分析与SSIM去重）、多格式数据导出（YOLO/YOLO-Seg/COCO等）及一键式YOLOv8/v11/v26训练与验证。全流程GPU加速，兼容CUDA与macOS MPS。适用于中小规模CV项目中需快速构建高质量检测/分割数据集并迭代训练模型的场景，尤其适合缺乏专业标注团队但需兼顾效率与精度的工业质检、安防监控、农业识别等应用。