← モデル

CV / YOLO11

YOLO11

YOLO11物体検出シリーズのNanoバージョン。軽量で高効率、エッジデプロイに最適です。

753 ダウンロード
サイズ
~5MB
メモリ
1GB+
精度
FP16

使用しているデバイスを選択してください。セットアップガイドとドキュメントがそれに応じて更新されます。

プレビュー

はじめる

デプロイ
sudo docker run --rm \
  --name rk3588-yolo11n \
  --privileged \
  --net=host \
  -e PYTHONUNBUFFERED=1 \
  -e RKNN_LOG_LEVEL=0 \
  --device /dev/video1:/dev/video1 \
  --device /dev/dri/renderD129:/dev/dri/renderD129 \
  -v /proc/device-tree/compatible:/proc/device-tree/compatible \
  ghcr.io/seeed-projects/recomputer-rk-cv/rk3588-yolo11:latest \
  python web_detection.py --model_path model/yolo11n.rknn --video video/test.mp4

モデル詳細

reComputer RK

クイックスタート

1. Dockerのインストール

開発ボードで以下のコマンドを実行してDockerをインストールします：

bash
# インストールスクリプトをダウンロード
curl -fsSL https://get.docker.com -o get-docker.sh
# Aliyunミラーソースを使用してインストール
sudo sh get-docker.sh --mirror Aliyun
# Dockerを起動し、起動時の自動起動を有効化
sudo systemctl enable docker
sudo systemctl start docker

2. プロジェクトの実行（ワンコマンド、デュアルモードプレビュー）

このプロジェクトは「Webブラウザ」からのプレビューをサポートしています。プロジェクトは単一コマンドで実行できます。さらに、ユーザーのカスタマイズ開発とテストを容易にするFast-APIインターフェースも提供されています。

ステップA: イメージのプル

bash
sudo docker pull ghcr.io/Seeed-Projects/recomputer-rk-cv/rk3588-yolo:latest
sudo docker pull ghcr.io/Seeed-Projects/recomputer-rk-cv/rk3576-yolo:latest

ステップB: ワンクリックで実行

RK3588の場合：

bash
sudo docker run --rm --privileged --net=host \
    -e PYTHONUNBUFFERED=1 \
    -e RKNN_LOG_LEVEL=0 \
    --device /dev/video1:/dev/video1 \
    --device /dev/dri/renderD129:/dev/dri/renderD129 \
    -v /proc/device-tree/compatible:/proc/device-tree/compatible \
    ghcr.io/Seeed-Projects/recomputer-rk-cv/rk3588-yolo11:latest \
    python web_detection.py --model_path model/yolo11n.rknn --camera_id 1

RK3576の場合：

bash
sudo docker run --rm --privileged --net=host \
    -e PYTHONUNBUFFERED=1 \
    -e RKNN_LOG_LEVEL=0 \
    --device /dev/video1:/dev/video1 \
    --device /dev/dri/renderD128:/dev/dri/renderD128 \
    -v /proc/device-tree/compatible:/proc/device-tree/compatible \
    ghcr.io/Seeed-Projects/recomputer-rk-cv/rk3576-yolo11:latest \
    python web_detection.py --model_path model/yolo11n.rknn --camera_id 1

アクセス: http://<Board_IP>:8000

注意: カスタムクラスが必要な場合は、-v $(pwd)/class_config.txt:/app/class_config.txt \ マウントと --class_path パラメータを追加できます。プログラムはデフォルトでCOCO 80クラスを使用します。

例：

bash
sudo docker run --rm --privileged --net=host \
    -e PYTHONUNBUFFERED=1 \
    -e RKNN_LOG_LEVEL=0 \
    -v $(pwd)/class_config.txt:/app/class_config.txt \
    --device /dev/video1:/dev/video1 \
    --device /dev/dri/renderD129:/dev/dri/renderD129 \
    -v /proc/device-tree/compatible:/proc/device-tree/compatible \
    ghcr.io/Seeed-Projects/recomputer-rk-cv/rk3588-yolo:latest \
    python web_detection.py --model_path model/yolo11n.rknn --camera_id 1 --class_path class_config.txt

🔌 APIドキュメント

このプロジェクトはUltralytics Cloud API標準に準拠したRESTfulインターフェースを提供し、HTTP POSTリクエストによる画像アップロードを使用した物体検出をサポートします。

1. モデル推論インターフェース（Predict）

エンドポイント: POST /api/models/yolo11/predict

リクエストパラメータ（Multipart/Form-Data）：

  • file: （オプション）検出する画像ファイル。
  • video: （オプション）検出するMP4動画ファイル。
  • timestamp: （オプション）動画ファイル内のタイムスタンプ（秒）、その時点のフレームの検出結果を返します。デフォルトは0です。
  • realtime: （オプション）ブール値。trueの場合、またはfile/videoパラメータが提供されていない場合、現在のカメラフレームの検出結果を返します。
  • conf: （オプション）単一リクエストの信頼度しきい値、範囲0.0〜1.0。
  • iou: （オプション）単一リクエストのNMS IOUしきい値、範囲0.0〜1.0。

使用例：

1. 画像検出：

bash
curl -X POST "http://127.0.0.1:8000/api/models/yolo11/predict" -F "file=@/home/cat/001.jpg"

2. 動画の特定フレーム検出：

bash
curl -X POST "http://127.0.0.1:8000/api/models/yolo11/predict" -F "video=@/home/cat/test.mp4" -F "timestamp=5.5"

3. 現在のカメラフレーム検出の取得：

bash
curl -X POST "http://127.0.0.1:8000/api/models/yolo11/predict" -F "realtime=true"
# またはファイルパラメータなしで
curl -X POST "http://127.0.0.1:8000/api/models/yolo11/predict"

レスポンス形式（JSON）：

json
{
  "success": true,
  "source": "video frame at 5.5s",
  "predictions": [
    {
      "class": "person",
      "confidence": 0.92,
      "box": { "x1": 100, "y1": 200, "x2": 300, "y2": 500 }
    }
  ],
  "image": { "width": 1280, "height": 720 }
}

2. システム設定インターフェース（Config）

リアルタイムビデオストリームとデフォルト推論のしきい値を動的に調整するために使用します。

現在の設定の取得

  • エンドポイント: GET /api/config
  • レスポンス: {"obj_thresh": 0.25, "nms_thresh": 0.45}

システム設定の更新

  • エンドポイント: POST /api/config
  • リクエストボディ（JSON）： {"obj_thresh": 0.3, "nms_thresh": 0.5}
  • レスポンス: {"status": "success"}

3. コマンドライン引数

web_detection.pyは以下の引数をサポートしています：

引数説明デフォルト
--model_pathRKNNモデルファイルへのパス（必須）
--camera_idカメラデバイスID（例：/dev/video1の場合は1を指定）1
--video_path動画ファイルへのパス（指定された場合camera_idを上書き）なし
--class_pathカスタムクラス設定ファイル（class_config.txt）へのパスなし（デフォルトCOCO 80）
--hostWebサーバーのリッスンアドレス0.0.0.0
--portWebサーバーのポート8000

カスタムクラス設定（class_config.txt）形式：

クラス名をダブルクォートで囲み、カンマで区切ります。例： "person", "bicycle", "car", "motorbike"

リアルタイムビデオストリームインターフェース（Video Feed）

検出ボックスが描画されたリアルタイムMJPEGビデオストリームを取得し、HTMLの<img>タグに直接埋め込むことができます。

  • エンドポイント: GET /api/video_feed
  • 使用例: <img src="http://<Board_IP>:8000/api/video_feed">