CV / YOLOv5

YOLOv5-seg

reComputer R Series (CM5 + Hailo-10H)

YOLOv5-segインスタンスセグメンテーションモデル。reComputer RK3588/RK3576（RKNN）とreComputer Rシリーズ + Hailo-8 / Hailo-10Hに対応。

662 ダウンロード

サイズ

~5.4MB

メモリ

1GB+

精度

INT8 / 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-yolov5n-seg \
  --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/yolov5n_seg:latest \
  python web_detection.py --model_path model/yolov5n_seg.hef --video_path video/test.mp4

モデル詳細

reComputer R Series (CM5 + Hailo-10H)

YOLOv5-seg（reComputer Rシリーズ CM5 + Hailo-10H対応）

YOLOv5-seg（anchor-based インスタンスセグメンテーション）は80個のCOCOクラスを検出し、各インスタンスのピクセルマスクを生成します。HEFは3つの生の検出ヘッドとマスクプロトタイプテンソルを出力し、アプリはCPU上でanchorデコード、クラス別NMS、プロトタイプからのマスク組み立てを行います。

このページはPCIe Hailo-10Hアクセラレータ搭載の**reComputer Rシリーズ（CM5 + Hailo-10H）**を対象としています。

モデル情報

バリアント	パラメータ数	ハードウェアmAP	HEFサイズ
YOLOv5n-seg	1.99M	23.1	3.4 MB
YOLOv5s-seg	7.61M	30.8	11.6 MB
YOLOv5m-seg	32.60M	36.7	18.5 MB

共通プロパティ：

項目	値
アーキテクチャ	YOLOv5-seg（3 anchors、stride 8/16/32）
入力	640x640x3 RGB（normalize_in_net、mean 0 / std 255）
出力	proto（160x160x32）+ 3つの検出ヘッド（各351チャネル）
Letterboxパディング色	114（グレー、YOLOの慣例）
HEF	Hailo Model Zoo v5.4.0、Hailo-10H

精度値はHailo Model Zooの参考ベンチマークであり、CM5上での実測値ではありません。

ハードウェアとホストのセットアップ

bash

sudo apt update
sudo apt install hailo-h10-all -y
sudo reboot

hailortcli --version
hailortcli fw-control identify
ls -l /dev/hailo0

HailoRT 4.23.x（Hailo-8）のドライバ、ライブラリ、Python wheelをこのHailo-10Hコンテナに混在させないでください。

イメージの取得

イメージはGHCRで公開されています。コンテナを起動する前に取得してください：

bash

sudo docker pull ghcr.io/seeed-projects/recomputer-hailo10h-cv/yolov5n_seg:latest
sudo docker pull ghcr.io/seeed-projects/recomputer-hailo10h-cv/yolov5s_seg:latest
sudo docker pull ghcr.io/seeed-projects/recomputer-hailo10h-cv/yolov5m_seg:latest

デモ動画で実行

YOLOv5n-seg：

bash

sudo docker run --rm \
  --name cm5-hailo10h-yolov5n-seg \
  --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/yolov5n_seg:latest \
  python web_detection.py --model_path model/yolov5n_seg.hef --video_path video/test.mp4

YOLOv5s-seg / YOLOv5m-segも同じコマンドで、yolov5n_segをyolov5s_segまたはyolov5m_segに置き換えるだけです。

http://<Board_IP>:8000を開くと、インスタンスマスク付きのWebプレビューを確認できます。

USBカメラモード

--device /dev/video0:/dev/video0を追加し、--video_path video/test.mp4を--camera_id 0に置き換えます。

REST API

bash

curl -X POST "http://<Board_IP>:8000/api/models/yolov5n_seg/predict" \
  -F "file=@test.jpg"

エンドポイント	メソッド	用途
`/api/models/yolov5n_seg/predict`	POST	検出ボックス + インスタンスマスク（JSON）
`/api/video_feed`	GET	MJPEGプレビューストリーム

実装の詳細

デコードはHailo Model Zooのyolov5_seg後処理に準拠します：anchorデコード（xy = (sigmoid(xy) * 2 + grid - 0.5) * stride、wh = (sigmoid(wh) * 2) ** 2 * anchor_grid）→ objectness × クラススコア → クラス別NMS → sigmoid(coeffs @ proto)を入力サイズにアップサンプルし、各ボックスでクロップ。
3つの検出ヘッドは351チャネルで識別し、空間サイズ順（stride 32 → 16 → 8）に並べます。protoヘッドは160x160x32テンソルです。初回推論時に各vstreamの名前と形状を出力するため、実機でマッピングを確認できます。
実行エンジンはHailoRT 5.1.1のcreate_infer_model APIを使用し、構成を永続化してFLOAT32出力バッファを登録します。
ソースモジュール：src/hailo10h_yolov5n_seg/（..._s_seg/、..._m_seg/も同様）
Dockerfile：docker/hailo10h/yolov5n_seg.dockerfile