CV / YOLO26-seg

YOLO26m-seg

YOLO26m-seg voert instantiesegmentatie uit met 80 COCO-klassen via HailoRT-inferentie, met bounding boxes en instantiemaskers als uitvoer.

Grootte

6.0 MB

Geheugen

4GB+

Precisie

Hailo HEF / HailoRT

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

Platform

Inferentie-engine

Aan de slag

Implementeren

sudo docker run --rm \
  --name pi5-hailo-yolo26n-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/yolo26m_seg:latest \
  python web_detection.py --model_path model/yolo26m_seg.hef --video_path video/test.mp4

REST API

Gebruik de REST API om inferentie uit te voeren. Kopieer de onderstaande commando's.

Curl

curl -X POST "http://<Board_IP>:8000/api/models/yolo26m_seg/predict" \
  -F "file=@test.jpg"

Python

import requests
resp = requests.post(
    "http://<Board_IP>:8000/api/models/yolo26m_seg/predict",
    files={"file": open("test.jpg", "rb")},
    timeout=30,
)
print(resp.json())

Modeldetails

YOLO26n-seg op reComputer CM5 + Hailo-10H

YOLO26n-seg-instantiesegmentatie (2,7M parameters, 80 COCO-klassen), draaiend op Hailo-10H via HailoRT.

Modelinformatie

Eigenschap	Waarde
Architectuur	YOLO26n-seg
Taak	Instantiesegmentatie
Invoer	640×640×3 RGB
Uitvoer	Bounding boxes en instantiemaskers
Parameters	2,7M
Bron	Hailo Model Zoo

Hardware- en hostconfiguratie

Item	Waarde
Board	Raspberry Pi CM5
Accelerator	Hailo-10H, `/dev/hailo0`
OS	Raspberry Pi OS Bookworm, aarch64

bash

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

Uitvoeren

bash

sudo docker run --rm --privileged --net=host \
  -e PYTHONUNBUFFERED=1 \
  --device /dev/hailo0:/dev/hailo0 \
  -v /usr/lib/libhailort.so:/usr/lib/libhailort.so:ro \
  ghcr.io/seeed-projects/recomputer-hailo10h-cv/yolo26n_seg:latest \
  python web_detection.py --model_path model/yolo26n_seg.hef --video_path video/test.mp4

HEF-bestanden

HEF	Grootte	Opmerkingen
`yolo26n_seg.hef`	6.0 MB	Instantiesegmentatiemodel

REST API

bash

curl -X POST "http://<Board_IP>:8000/api/models/yolo26n_seg/predict" \
  -F "file=@test.jpg"

Endpoint	Methode	Doel
`/api/models/yolo26n_seg/predict`	POST	Boxes en maskers (JSON)
`/api/models/yolo26n_seg/visualize`	POST	Detectie-overlay (JPEG)
`/api/models/yolo26n_seg/classes`	GET	COCO-klassenlijst

Ontwikkeling

Bron: src/hailo10h_yolo26n_seg/
Dockerfile: docker/hailo10h/yolo26n_seg.dockerfile

Invoer en uitvoer

Invoer: afbeelding (640x640 RGB). Uitvoer: bounding boxes + instantiemaskers (COCO 80 klassen).