CV / YOLO26

YOLO26

YOLO26 COCO物体検出。NVIDIA Jetsonではワンコマンドでデプロイ、reComputer Rシリーズ + Hailo-8 / Hailo-10HではHailo HEFで実行できます。

18 ダウンロード

サイズ

16GB disk

メモリ

4GB+

精度

JetPack 5/6/7 / Hailo HEF

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。

プラットフォーム

サイズ

推論エンジン

はじめる

デプロイ

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

REST API

REST API を使用して推論を実行します。以下のコマンドをコピーしてください。

Curl

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

Python

import requests

with open("test.jpg", "rb") as image_file:
    response = requests.post(
        "http://<Board_IP>:8000/api/models/yolo26n/predict",
        files={"file": image_file},
        timeout=30,
    )

print(response.json())

モデル詳細

reComputer R Series (CM5 + Hailo-8)

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

YOLO26n / YOLO26s / YOLO26m は HailoRT 経由で Hailo-8 上で COCO 80 クラス物体検出を実行します。YOLO26 は one2one ヘッド（セルごとに 1 予測、アンカーなし、NMS なし）で、ホストが生の分割ヘッドをデコードして 2 段階 top-k で選択します。オンチップ HPP NMS を含むコンパイルにも対応し、初回推論で実際のレイアウトを出力します。

本ページは PCIe Hailo-8 アクセラレータを搭載した reComputer R Series (CM5 + Hailo-8) を対象とします。

ハードウェアとホスト設定

項目	値
ボード	reComputer R Series（Raspberry Pi CM5 搭載）
アクセラレータ	PCIe 接続の Hailo-8（`/dev/hailo0`）
ランタイム	HailoRT 4.23.x
コンテナ内 Python	3.11, aarch64

ホストに Hailo-8 パッケージをインストールし、コンテナ起動前にドライバーとデバイスを確認します：

bash

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

これらのイメージに必要な HailoRT バージョンは 4.23.x です。

同梱デモ映像での実行

YOLO26n:

bash

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:

bash

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:

bash

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

http://<Board_IP>:8000 を開くと Web プレビューが表示されます。

USB カメラモード

bash

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

別のバリアントを使う場合は yolo26n を yolo26s または yolo26m に置き換えます。

HEF ファイル

モデル	サイズ	備考
`yolo26n.hef`	8,755,512 (8.3 MB)	パラメータ 2.4M、演算量 5.5G
`yolo26s.hef`	20,307,365 (19.4 MB)	パラメータ 9.5M、演算量 20.9G
`yolo26m.hef`	29,155,151 (27.8 MB)	パラメータ 20.4M、演算量 68.4G

3 つのバリアントはいずれも同じ Ultralytics YOLO26 ファミリーの Hailo Model Zoo v2.19.0 Hailo-8 ビルドです。

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

text

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

bash

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

エンドポイント	メソッド	用途
`/`	GET	Web プレビュー UI
`/api/models/yolo26{n,s,m}/predict`	POST	検出結果（JSON）
`/api/video_feed`	GET	MJPEG プレビュー配信

実装メモ

Model Zoo base/yolo26.yaml は nms=false、sigmoid=false、hpp=false、meta_arch=yolo26 を使用し、post_nms_topk=300 を base/yolov8.yaml から継承します。info.output_shape は 3 ストライド ×（4 チャンネルのボックス、80 チャンネルのクラス）です。
one2one 選択：NMS は一切実行しません。ホストは sigmoid を適用し、最大クラススコアで top-k アンカーを選び、次に top-k の (アンカー, クラス) ペアを選び（1 アンカーに複数クラスを許可）、confidence スライダーで絞り込みます。
ボックスデコード：4 チャンネルヘッドはセル中心から左/上・右/下までの距離（stride 単位、regression_length=1）を与えます。64 チャンネルの DFL コンパイルは softmax 期待値でデコードします。
コンパイルが代わりにオンチップ HPP NMS を返す場合（yolo26-seg の HEF が該当）は post-NMS テンソル（クラスごとのコンパクトバッファ、Cx5xD / CxDx5、ragged NMS-by-score リスト）を解析し、ホスト側の選択は行いません。
HEF には normalize_in_net（mean 0 / std 255）と padding_color=114 が内蔵されています。アプリはグレー（114）でレターボックスし、uint8 RGB をそのまま入力します。
クラス ID 0..79 は標準の COCO クラス表を直接索引します。
初回推論でレイアウトとボックス/スコア範囲を出力します（[YOLO26] layout=..., outputs=[...]）。

開発メモ

ソースモジュール：該当リポジトリの src/hailo10h_yolo26{n,s,m}/（Hailo-10H）または src/rpi5_hailo8_yolo26{n,s,m}/（Hailo-8）
イメージ：ghcr.io/seeed-projects/recomputer-hailo8-cv/yolo26{n,s,m}:latest
検出シリーズは n/s/m を提供します。YOLO26l / YOLO26x の Hailo HEF はまだありません。
モデルライセンス：AGPL-3.0（上流 ultralytics/ultralytics）。

入力と出力

入力：画像・映像・カメラ。出力：COCO 80クラスの検出ボックス（JetsonはUltralyticsコンテナ、RシリーズはHailo HEF）。