YOLOv11-obb on reComputer R Series (CM5 + Hailo-10H)

YOLOv11n / YOLOv11s / YOLOv11m / YOLOv11x-OBB は HailoRT 経由で Hailo-10H 上で回転物体検出（回転ボックス、DOTA v1、15 クラス）を実行します。コンパイルされた HEF には オンチップ NMS がありません：9 つの生ヘッドを公開し、ホストがそれらをデコードして回転ボックスの確率 IoU NMS を実行します — これは Hailo Model Zoo が公開する DOTA mAP に使用するデコードと同じです。

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

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：

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

YOLOv11n_obb:

sudo docker run --rm \
  --name cm5-hailo10h-yolov11n_obb \
  --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/yolov11n_obb:latest \
  python web_detection.py --model_path model/yolov11n_obb.hef --video_path video/test.mp4

YOLOv11s_obb:

sudo docker run --rm \
  --name cm5-hailo10h-yolov11s_obb \
  --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/yolov11s_obb:latest \
  python web_detection.py --model_path model/yolov11s_obb.hef --video_path video/test.mp4

YOLOv11m_obb:

sudo docker run --rm \
  --name cm5-hailo10h-yolov11m_obb \
  --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/yolov11m_obb:latest \
  python web_detection.py --model_path model/yolov11m_obb.hef --video_path video/test.mp4

YOLOv11x_obb:

sudo docker run --rm \
  --name cm5-hailo10h-yolov11x_obb \
  --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/yolov11x_obb:latest \
  python web_detection.py --model_path model/yolov11x_obb.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。

同梱のデモ映像は短い**空撮（ドローン）**素材のため、DOTA で学習したモデルが車両などの空中物体をそのまま検出し、回転ボックスがプレビューに表示されます。DOTA に含まれないドローン用データセットのクラス（歩行者など）は報告されません。

USB カメラモード

sudo docker run --rm \
  --name cm5-hailo10h-yolov11n_obb \
  --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/yolov11n_obb:latest \
  python web_detection.py --model_path model/yolov11n_obb.hef --camera_id 0

別のバリアントを使う場合は yolov11n_obb を yolov11s_obb、yolov11m_obb または yolov11x_obb に置き換えます。

HEF ファイル

4 つのバリアントはいずれも同じ THU-MIG / ultralytics YOLOv11-OBB ファミリー（DOTA v1）の Hailo Model Zoo v5.4.0 Hailo-10H ビルドです。mAP と FPS は Model Zoo が公開している Hailo-10H の数値です。

Source: https://hailo-model-zoo.s3.eu-west-2.amazonaws.com/ModelZoo/Compiled/v5.4.0/hailo10h/yolov11n_obb.hef (yolov11s_obb.hef, yolov11m_obb.hef, yolov11x_obb.hef in the same directory).

REST API

POST http://<Board_IP>:8000/api/models/yolov11n_obb/predict

curl -X POST "http://<Board_IP>:8000/api/models/yolov11n_obb/predict" \
  -F "file=@aerial.jpg" -F "conf=0.25" -F "iou=0.7"

各予測はクラス、信頼度、回転ボックスを返します：

{
  "predictions": [
    {
      "class": "ship",
      "confidence": 0.94,
      "obb": {"x_center": 450.0, "y_center": 320.0, "width": 180.0, "height": 420.0, "angle": 35.2}
    }
  ]
}

angle は 度（+x から反時計回り、範囲 [-45, 135)）です。

実装メモ

• Model Zoo の base/yolo_obb.yaml は device_pre_post_layers.sigmoid: false、meta_arch: yobb、score_threshold: 0.01 を設定し、hpp もオンチップ NMS もありません。anchors は scale_factors [0.5, 0.5]、regression_length 15（16 個の DFL ビン）、strides [8, 16, 32] を使用し、評価は 15 クラスの DOTA v1 です。
• ヘッドレイアウト：9 つの生テンソルをチャンネル数（64 チャンネルの DFL ボックス / 15 チャンネルのクラス / 1 チャンネルの角度）で識別し、ストライドごとにペアリングします（128x128、64x64、32x32）。
• 角度：theta = (sigmoid(a) - 0.25) * pi（範囲 [-pi/4, 3pi/4)）で、Model Zoo の YoloOBBPostProc および ultralytics の OBB ヘッドと完全に同じです。
• ボックス：16 個の DFL ビンに対する softmax 期待値が stride 単位の l/t/r/b 距離を与えます。w = l + r、h = t + b で、中心はアンカーに回転後の半軸オフセットを加えたものであり、距離は stride でスケーリングされます。
• 選択：アンカーごとに confidence スライダーを上回る最良クラスを選び、次にクラスごとのオフセット付きの確率 IoU Fast-NMS を実行します（max_wh 7680、入力候補は最大 30000、出力ボックスは最大 300）。NMS はホスト上で実行されるため、confidence と IOU の両スライダーが有効です。
• 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 1024x1024 にレターボックスし、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..14 は、Model Zoo の dotav1_names.json と同じく DOTA v1 リスト（plane、ship、storage-tank、baseball-diamond、…）を索引します。
• 初回推論の診断は本番では無効です（_DET_OUTPUT_LOGGED = True）。新しい HEF を検証する際は web_detection.py で False に設定すると、ヘッドレイアウト、値の範囲、デコードされた角度範囲を出力します。

開発メモ

• ソースモジュール：reComputer-Hailo10H-CV リポジトリの src/hailo10h_yolov11{n,s,m,x}_obb/
• イメージ：ghcr.io/seeed-projects/recomputer-hailo10h-cv/yolov11{n,s,m,x}_obb:latest
• Hailo-8 には公式の OBB ビルドがありません（Model Zoo では oriented object detection の Hailo-8/Hailo-8L が NA とされています）。yolov11l_obb は Hailo-15L のみを対象とします。
• モデルライセンス：AGPL-3.0（上流 ultralytics/ultralytics）。