← Modellen

CV / YOLO11

YOLO11

reComputer R Series (CM5 + Hailo-8)

Lichtgewicht YOLO11 nano model voor snelle edge-deployment.

1.2k+ downloads
Grootte
~5MB
Geheugen
1GB+
Precisie
FP16

Kies het apparaat dat je gebruikt. De installatiehandleiding en documentatie worden dienovereenkomstig bijgewerkt.

Voorbeeld

Aan de slag

Implementeren
sudo docker run --rm \
  --name cm5-hailo8-yolo11n \
  --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/yolov11n:latest \
  python web_detection.py --model_path model/yolov11n.hef --video_path video/test.mp4

Modeldetails

reComputer R Series

YOLO11 op reComputer R Series (CM5 + Hailo)

YOLO11 objectdetectie verpakt voor het reComputer R Series CM5 + Hailo platform.

Deze pagina is gebaseerd op rpi5_hailo8_yolov11/README.md uit reComputer-R20-CV. Het is bedoeld voor de reComputer R Series (CM5 + Hailo) met een PCIe Hailo-8 accelerator.

Hardware- en hostconfiguratie

ItemWaarde
BoardreComputer R Series met Raspberry Pi CM5
AcceleratorHailo-8 M.2 over PCIe, beschikbaar als /dev/hailo0
OSRaspberry Pi OS Bookworm, aarch64
Host-driverhailo-all apt-pakket
Gevalideerde HailoRT4.23.x; host-driver, firmware, native library en Python wheel moeten dezelfde major.minor delen
bash
sudo apt update
sudo apt install hailo-all
sudo reboot

# Na herstart
hailortcli fw-control identify
ls /dev/hailo0

# Docker
curl -fsSL https://get.docker.com -o get-docker.sh
sudo sh get-docker.sh --mirror Aliyun
sudo systemctl enable docker
sudo systemctl start docker

Uitvoeren met demovideo

bash
sudo docker run --rm --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-r20-cv/yolov11:latest \
  python web_detection.py --model_path model/yolov11n.hef --video_path video/test.mp4

Open http://<R20_IP>:8000 om het webvoorbeeld te bekijken. De image bevat de modulebroncode, demovideo, HailoRT Python wheel en de onderstaande HEF-bestanden.

De libhailort.so bind mounts komen bewust van de host. Als jouw firmware niet 4.23.0 is, vervang dan beide paden door de versie die wordt gerapporteerd door hailortcli fw-control identify; herbouw de image als de major.minor-versie afwijkt.

USB-cameramodus

bash
sudo docker run --rm --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-r20-cv/yolov11:latest \
  python web_detection.py --model_path model/yolov11n.hef --camera_id 0

Wisselen tussen HEF-varianten

Overschrijf de standaard van de image door een ander --model_path mee te geven:

bash
sudo docker run --rm --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-r20-cv/yolov11:latest \
  python web_detection.py --model_path model/yolov11s.hef --video_path video/test.mp4

HEF-bestanden

HEFGrootteOpmerkingen
yolov11n.hef8.21 MBNano-detector
yolov11s.hef18.67 MBSmall-detector
yolov11m.hef32.11 MBMedium-detector

REST API

Predictie-eindpunt:

text
POST http://<R20_IP>:8000/api/models/yolov11/predict

Voorbeeld van een afbeeldingsverzoek:

bash
curl -X POST "http://<R20_IP>:8000/api/models/yolov11/predict" \
  -F "file=@test.jpg"

Algemene service-eindpunten:

EndpointMethodeDoel
/GETWebvoorbeeld-UI
/api/models/yolov11/predictPOSTSingle-frame inferentie van geüploade afbeelding/video of huidig frame
/api/video_feedGETMJPEG-voorbeeldstream
/api/configGET / POSTRuntime-drempels uitlezen of bijwerken
/api/video/uploadPOSTEen video uploaden voor offline analyse
/api/video/analyzePOSTOffline analyse starten
/api/video/statusGETAnalysevoortgang opvragen
/api/video/listGETGeüploade en verwerkte video's weergeven
/api/video/download/{filename}GETVerwerkte uitvoer downloaden

Ontwikkelnotities

  • Bronmodule: src/rpi5_hailo8_yolov11/
  • Dockerfile: docker/hailo8/yolov11.dockerfile
  • Hoofdservice: web_detection.py omvat HailoRT-inferentie, nabewerking, MJPEG-voorbeeld, REST-predictie en offline video-analyse.
  • Wanneer je een eigen HEF gebruikt, zorg dan dat de uitvoerlay-out compatibel is met de nabewerkingscode van de module of werk post_process_hailo() bij.