请问下如何在端侧高效地部署YOLO-World，只检测一种特定的目标种类（如糖果）呢？

[clhne]

[tomgotjack]

你可以导出ONNX模型，然后部署。ONNX模型目前需要确定好文本后导出，所以它只能检测提前确定好的类，这个恰好满足你的需求

[clhne]

嗯呢，了解了~ yolo world s模型导出的ONNX也有将近50M，不知道有没有更高效更小的模型，或者轻量化部署的方法呢

[wondervictor]

@clhne 我们今天同步了TFLite INT8量化的方式，欢迎尝试，目前我们自己也在业务中使用YOLO-World-S INT8量化后的模型。参考: TFLite Deploy

[andynnnnn]

嗯呢，了解了~ yolo world s模型导出的ONNX也有将近50M，不知道有没有更高效更小的模型，或者轻量化部署的方法呢

这样做只检测一种特定的目标种类的意义在哪里呢？不就是普通的yolo吗？请问

[LeoYang06]

嗯呢，了解了~ yolo world s模型导出的ONNX也有将近50M，不知道有没有更高效更小的模型，或者轻量化部署的方法呢

这样做只检测一种特定的目标种类的意义在哪里呢？不就是普通的yolo吗？请问

普通yolo只支持预设的（80种）目标类别检测，预设之外的都需要重新训练，yolo-world基于开放词汇表训练，既可以将类别编码嵌入模型，也支持推理时传入，理论上可以检测训练中没有的类别，且不需要重新训练

[dreamexs]

嗯呢，了解了~ yolo world s模型导出的ONNX也有将近50M，不知道有没有更高效更小的模型，或者轻量化部署的方法呢

这样做只检测一种特定的目标种类的意义在哪里呢？不就是普通的yolo吗？请问

普通yolo只支持预设的（80种）目标类别检测，预设之外的都需要重新训练，yolo-world基于开放词汇表训练，既可以将类别编码嵌入模型，也支持推理时传入，理论上可以检测训练中没有的类别，且不需要重新训练

请问推理时传入类别文本有样例参考么