YOLO26 on reComputer R Series (CM5 + Hailo-8)

YOLO26n / YOLO26s / YOLO26m effectuent la détection d'objets COCO (80 classes) sur Hailo-8 via HailoRT. YOLO26 est une tête one2one (une prédiction par cellule, sans ancres, sans NMS) : l'hôte décode les têtes fractionnées brutes et sélectionne avec le top-k en deux étapes ; une compilation embarquant le NMS sur puce est également gérée et le format utilisé est journalisé à la première inférence.

Cette page cible reComputer R Series (CM5 + Hailo-8) avec un accélérateur PCIe Hailo-8.

Matériel et configuration de l'hôte

Installez les paquets Hailo-8 sur l'hôte et vérifiez que le pilote et le périphérique sont prêts avant de démarrer le conteneur :

sudo apt update
sudo apt install hailort hailort-pcie-driver python3-hailort
sudo reboot

# After reboot
hailortcli --version
hailortcli fw-control identify
ls -l /dev/hailo0

La version HailoRT attendue pour ces images est 4.23.x.

Exécution avec la vidéo de démonstration

YOLO26n:

sudo docker run --rm \
  --name cm5-hailo8-yolo26n \
  --privileged \
  --net=host \
  -e PYTHONUNBUFFERED=1 \
  --device /dev/hailo0:/dev/hailo0 \
  -v /usr/lib/libhailort.so.4.23.0:/usr/lib/libhailort.so.4.23.0:ro \
  -v /usr/lib/libhailort.so:/usr/lib/libhailort.so:ro \
  ghcr.io/seeed-projects/recomputer-hailo8-cv/yolo26n:latest \
  python web_detection.py --model_path model/yolo26n.hef --video_path video/test.mp4

YOLO26s:

sudo docker run --rm \
  --name cm5-hailo8-yolo26s \
  --privileged \
  --net=host \
  -e PYTHONUNBUFFERED=1 \
  --device /dev/hailo0:/dev/hailo0 \
  -v /usr/lib/libhailort.so.4.23.0:/usr/lib/libhailort.so.4.23.0:ro \
  -v /usr/lib/libhailort.so:/usr/lib/libhailort.so:ro \
  ghcr.io/seeed-projects/recomputer-hailo8-cv/yolo26s:latest \
  python web_detection.py --model_path model/yolo26s.hef --video_path video/test.mp4

YOLO26m:

sudo docker run --rm \
  --name cm5-hailo8-yolo26m \
  --privileged \
  --net=host \
  -e PYTHONUNBUFFERED=1 \
  --device /dev/hailo0:/dev/hailo0 \
  -v /usr/lib/libhailort.so.4.23.0:/usr/lib/libhailort.so.4.23.0:ro \
  -v /usr/lib/libhailort.so:/usr/lib/libhailort.so:ro \
  ghcr.io/seeed-projects/recomputer-hailo8-cv/yolo26m:latest \
  python web_detection.py --model_path model/yolo26m.hef --video_path video/test.mp4

Ouvrez http://<BOARD_IP>:8000 pour afficher l'aperçu web.

Mode caméra USB

sudo docker run --rm \
  --name cm5-hailo8-yolo26n \
  --privileged \
  --net=host \
  -e PYTHONUNBUFFERED=1 \
  --device /dev/hailo0:/dev/hailo0 \
  --device /dev/video0:/dev/video0 \
  -v /usr/lib/libhailort.so.4.23.0:/usr/lib/libhailort.so.4.23.0:ro \
  -v /usr/lib/libhailort.so:/usr/lib/libhailort.so:ro \
  ghcr.io/seeed-projects/recomputer-hailo8-cv/yolo26n:latest \
  python web_detection.py --model_path model/yolo26n.hef --camera_id 0

Remplacez yolo26n par yolo26s ou yolo26m pour une autre variante.

Fichiers HEF

Les trois variantes sont des builds Hailo-8 de Hailo Model Zoo v2.19.0 issus de la même famille Ultralytics YOLO26.

Source: https://hailo-model-zoo.s3.eu-west-2.amazonaws.com/ModelZoo/Compiled/v2.19.0/hailo8/yolo26n.hef (yolo26s.hef, yolo26m.hef in the same directory).

REST API

POST http://<Board_IP>:8000/api/models/yolo26n/predict

curl -X POST "http://<Board_IP>:8000/api/models/yolo26n/predict" \
  -F "file=@test.jpg"

Notes d'implémentation

• Le Model Zoo base/yolo26.yaml utilise nms=false, sigmoid=false, hpp=false et meta_arch=yolo26, avec post_nms_topk=300 hérité de base/yolov8.yaml ; info.output_shape documente 3 strides x (4 boîtes, 80 classes).
• Sélection one2one : aucun NMS n'est exécuté. L'hôte applique le sigmoid, prend les top-k ancres par score de classe maximal, puis les top-k paires (ancre, classe) — plusieurs classes par ancre sont permises — et filtre selon le curseur de confiance.
• Décodage des boîtes : la tête 4 canaux donne les distances du centre de cellule vers les bords gauche/haut et droit/bas en unités de stride (regression_length=1) ; les compilations DFL 64 canaux passent par l'espérance du softmax.
• Si une compilation renvoie le résultat NMS embarqué (comme les HEF yolo26-seg), le tenseur post-NMS est analysé (tampon compact par classe, formes denses Cx5xD / CxDx5, liste ragged NMS-by-score) et aucune sélection côté hôte n'est effectuée.
• Le HEF intègre normalize_in_net (mean 0 / std 255) et padding_color=114 : l'application applique un letterbox gris (114) et transmet des pixels uint8 RGB bruts.
• Les IDs de classe 0..79 indexent directement la liste COCO standard.
• La première inférence journalise le format et les plages de boîtes/scores ([YOLO26] layout=..., outputs=[...]).

Notes de développement

• Modules source : src/hailo10h_yolo26{n,s,m}/ (Hailo-10H) ou src/rpi5_hailo8_yolo26{n,s,m}/ (Hailo-8) dans le dépôt de modèles correspondant
• Conteneurs : ghcr.io/seeed-projects/recomputer-hailo8-cv/yolo26{n,s,m}:latest
• La famille détection publie n/s/m ; YOLO26l / YOLO26x n'ont pas encore de HEF Hailo.
• Licence du modèle : AGPL-3.0 (amont ultralytics/ultralytics).