CV / YOLOv10

YOLOv10

reComputer R Series (CM5 + Hailo-10H)

YOLOv10n/s/b/x物体検出モデル。reComputer RK3588/RK3576（RKNN）とreComputer Rシリーズ + Hailo-8 / Hailo-10Hに対応。

80 ダウンロード

サイズ

7.36 MB

メモリ

4GB+

精度

RKNN / 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-hailo10h-yolov10n \
  --privileged \
  --net=host \
  -e PYTHONUNBUFFERED=1 \
  --device /dev/hailo0:/dev/hailo0 \
  -v /usr/lib/libhailort.so.5.1.1:/usr/lib/libhailort.so.5.1.1:ro \
  -v /usr/lib/libhailort.so:/usr/lib/libhailort.so:ro \
  ghcr.io/seeed-projects/recomputer-hailo10h-cv/yolov10n:latest \
  python web_detection.py --model_path model/yolov10n.hef --video_path video/test.mp4

モデル詳細

reComputer R Series (CM5 + Hailo-10H)

YOLOv10 on reComputer R Series (CM5 + Hailo-10H)

YOLOv10n / YOLOv10s / YOLOv10b / YOLOv10x は HailoRT 経由で Hailo-10H 上で COCO 80 クラス物体検出を実行します。コンパイル済み HEF は one2one ヘッドでオンチップ NMS（HPP）を実行するため、ホストは post-NMS の結果を解析するだけで、ボックスをデコードしたり NMS を実行したりすることはありません。

本ページは PCIe Hailo-10H アクセラレータを搭載した reComputer R Series (CM5 + Hailo-10H) 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-10H（`/dev/hailo0`）
ランタイム	HailoRT 5.1.1
コンテナ内 Python	3.13, aarch64

ホストに Hailo-10H 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 hailo-h10-all -y
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 5.1.1 です。

同梱デモ映像での実行

YOLOv10n:

bash

sudo docker run --rm \
  --name cm5-hailo10h-yolov10n \
  --privileged \
  --net=host \
  -e PYTHONUNBUFFERED=1 \
  --device /dev/hailo0:/dev/hailo0 \
  -v /usr/lib/libhailort.so.5.1.1:/usr/lib/libhailort.so.5.1.1:ro \
  -v /usr/lib/libhailort.so:/usr/lib/libhailort.so:ro \
  ghcr.io/seeed-projects/recomputer-hailo10h-cv/yolov10n:latest \
  python web_detection.py --model_path model/yolov10n.hef --video_path video/test.mp4

YOLOv10s:

bash

sudo docker run --rm \
  --name cm5-hailo10h-yolov10s \
  --privileged \
  --net=host \
  -e PYTHONUNBUFFERED=1 \
  --device /dev/hailo0:/dev/hailo0 \
  -v /usr/lib/libhailort.so.5.1.1:/usr/lib/libhailort.so.5.1.1:ro \
  -v /usr/lib/libhailort.so:/usr/lib/libhailort.so:ro \
  ghcr.io/seeed-projects/recomputer-hailo10h-cv/yolov10s:latest \
  python web_detection.py --model_path model/yolov10s.hef --video_path video/test.mp4

YOLOv10b:

bash

sudo docker run --rm \
  --name cm5-hailo10h-yolov10b \
  --privileged \
  --net=host \
  -e PYTHONUNBUFFERED=1 \
  --device /dev/hailo0:/dev/hailo0 \
  -v /usr/lib/libhailort.so.5.1.1:/usr/lib/libhailort.so.5.1.1:ro \
  -v /usr/lib/libhailort.so:/usr/lib/libhailort.so:ro \
  ghcr.io/seeed-projects/recomputer-hailo10h-cv/yolov10b:latest \
  python web_detection.py --model_path model/yolov10b.hef --video_path video/test.mp4

YOLOv10x:

bash

sudo docker run --rm \
  --name cm5-hailo10h-yolov10x \
  --privileged \
  --net=host \
  -e PYTHONUNBUFFERED=1 \
  --device /dev/hailo0:/dev/hailo0 \
  -v /usr/lib/libhailort.so.5.1.1:/usr/lib/libhailort.so.5.1.1:ro \
  -v /usr/lib/libhailort.so:/usr/lib/libhailort.so:ro \
  ghcr.io/seeed-projects/recomputer-hailo10h-cv/yolov10x:latest \
  python web_detection.py --model_path model/yolov10x.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-hailo10h-yolov10n \
  --privileged \
  --net=host \
  -e PYTHONUNBUFFERED=1 \
  --device /dev/hailo0:/dev/hailo0 \
  --device /dev/video0:/dev/video0 \
  -v /usr/lib/libhailort.so.5.1.1:/usr/lib/libhailort.so.5.1.1:ro \
  -v /usr/lib/libhailort.so:/usr/lib/libhailort.so:ro \
  ghcr.io/seeed-projects/recomputer-hailo10h-cv/yolov10n:latest \
  python web_detection.py --model_path model/yolov10n.hef --camera_id 0

別のバリアントを使う場合は yolov10n を yolov10s、yolov10b または yolov10x に置き換えます。

HEF ファイル

モデル	サイズ	備考
`yolov10n.hef`	5,230,592 (5.0 MB)	パラメータ 2.3M、演算量 6.8G、mAP 38.5（全精度）
`yolov10s.hef`	10,182,656 (9.7 MB)	パラメータ 7.2M、演算量 21.7G、mAP 45.85（全精度）
`yolov10b.hef`	19,619,840 (18.7 MB)	パラメータ 20.15M、演算量 92.09G、mAP 52.0（全精度）
`yolov10x.hef`	26,251,264 (25.0 MB)	パラメータ 31.72M、演算量 160.56G、mAP 53.7（全精度）

4 つのバリアントはいずれも同じ THU-MIG YOLOv10 ファミリーの Hailo Model Zoo v5.4.0 Hailo-10H ビルドです。

Source: https://hailo-model-zoo.s3.eu-west-2.amazonaws.com/ModelZoo/Compiled/v5.4.0/hailo10h/yolov10n.hef (yolov10s.hef, yolov10b.hef, yolov10x.hef in the same directory).

REST API

text

POST http://<Board_IP>:8000/api/models/yolov10n/predict

bash

curl -X POST "http://<Board_IP>:8000/api/models/yolov10n/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/yolov10{n,s,b,x}/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/yolov10.yaml は hpp=true、device_pre_post_layers.nms=true、meta_arch=yolov8 を使用し、3 つの one2one クラス畳み込みに sigmoid を適用し、info.output_shape: 80x5x100（80 クラス、クラスごとに最大 100 ボックス）を記載しています。
パーサーノードは one2one ヘッド（/model.23/one2one_cv2.{0,1,2}/Conv がボックス、/model.23/one2one_cv3.{0,1,2}/Conv がクラス）です。セルごとに 1 予測でアンカーはありません。ホスト側では何もデコードされず、NMS も実行されません。
HailoRT 5.1.1 は NMS-by-class の生バッファを、コンパクトなレイアウトのフラットな 1 次元 FLOAT32 配列として返します。クラスごとに整数値の検出数が 1 つ、それに続いてその数だけの [ymin, xmin, ymax, xmax, score] 行が並び、値は [0, 1] に正規化されています。パーサーは最初の不自然なクラスヘッダーで停止するため、最悪ケースのパディング末尾がデータとして読み込まれることはありません。ragged NMS-by-score と dense な (1,C,5,D) / (1,C,D,5) レイアウトにも引き続き対応しています。
IOU スライダーは効果がありません（NMS はオンチップ）。confidence スライダーは解析された検出結果をフィルタリングします。
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、生の uint8 RGB ピクセルを入力します。手動での正規化は不要です。
クラス ID 0..79 は標準の COCO クラス表を直接索引します。
初回推論の診断は本番では無効です（_OUTPUT_LOGGED = True）。新しい HEF を検証する際は web_detection.py でこれを False に設定すると、生の出力の型、形状、値の範囲、クラスごとの行がダンプされます。

開発メモ

ソースモジュール：reComputer-Hailo10H-CV リポジトリの src/hailo10h_yolov10{n,s,b,x}/
イメージ：ghcr.io/seeed-projects/recomputer-hailo10h-cv/yolov10{n,s,b,x}:latest
Hailo-8（R20 デモ）では n/b/x のみが公開されています。Hailo-10H ビルドは 4 つのバリアントすべてをカバーします。
モデルライセンス：AGPL-3.0（上流 THU-MIG/yolov10）。

入力と出力

入力: 画像、動画、またはUSBカメラフレーム。出力: 検出ボックス、クラス、信頼度、および注釈付きMJPEGプレビュー。