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

YOLOv11n / YOLOv11s / YOLOv11m / YOLOv11x-OBB voeren geroteerde objectdetectie uit (geroteerde boxen, DOTA v1, 15 klassen) op Hailo-10H via HailoRT. De gecompileerde HEF heeft geen on-chip-NMS: hij levert negen ruwe heads en de host decodeert ze en voert de geroteerde probabilistische-IoU NMS uit — dezelfde decodering die de Hailo Model Zoo gebruikt voor zijn gepubliceerde DOTA-mAP.

Deze pagina is gericht op reComputer R Series (CM5 + Hailo-10H) met een PCIe Hailo-10H-versneller.

Hardware en hostinstellingen

Installeer de Hailo-10H-pakketten op de host en controleer of stuurprogramma en apparaat gereed zijn voordat u de container start:

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

# After reboot
hailortcli --version
hailortcli fw-control identify
ls -l /dev/hailo0

De verwachte HailoRT-versie voor deze images is 5.1.1.

Uitvoeren met de demo-video

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

Open http://<Board_IP>:8000 voor de webpreview.

De meegeleverde democilp is een korte **luchtbeeld-(drone)**opname, dus het met DOTA getrainde model detecteert voertuigen en andere luchtobjecten direct en de geroteerde boxen verschijnen in het voorbeeld; klassen uit de droneset die geen deel uitmaken van DOTA (bijv. voetgangers) worden niet gemeld.

USB-cameramodus

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

Vervang yolov11n_obb door yolov11s_obb, yolov11m_obb of yolov11x_obb voor een andere variant.

HEF-bestanden

Alle vier varianten zijn Hailo-10H-builds uit Hailo Model Zoo v5.4.0 van dezelfde THU-MIG / ultralytics YOLOv11-OBB-familie (DOTA v1). mAP en FPS zijn de door de Model Zoo gepubliceerde Hailo-10H-cijfers.

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"

Elke voorspelling retourneert de klasse, de confidence en de geroteerde box:

{
  "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 is in graden (tegen de klok in vanaf +x, bereik [-45, 135)).

Implementatienotities

• De Model Zoo base/yolo_obb.yaml zet device_pre_post_layers.sigmoid: false, meta_arch: yobb en score_threshold: 0.01, zonder hpp en zonder on-chip-NMS; anchors gebruikt scale_factors [0.5, 0.5], regression_length 15 (16 DFL-bins) en strides [8, 16, 32], en de evaluatie is DOTA v1 met 15 klassen.
• Headindeling: negen ruwe tensors, geïdentificeerd aan de hand van het kanaalaantal (64-kanaals DFL-box / 15-kanaals klasse / 1-kanaals hoek) en per stride gepaard (128x128, 64x64, 32x32).
• Hoek: theta = (sigmoid(a) - 0.25) * pi (bereik [-pi/4, 3pi/4)), precies zoals in de YoloOBBPostProc van de Model Zoo en de OBB-head van ultralytics.
• Boxen: de DFL-softmaxverwachting over de 16 bins geeft de l/t/r/b-afstanden in stride-eenheden; w = l + r, h = t + b, het centrum is het anker plus de geroteerde halve-as-offset, en de afstanden worden met de stride geschaald.
• Selectie: beste klasse per anker boven de confidence-schuif, daarna probabilistische-IoU Fast-NMS met een offset per klasse (max_wh 7680, maximaal 30000 kandidaten in en 300 boxen uit); de confidence- en IOU-schuiven werken beide omdat de NMS op de host draait.
• De HEF bakt normalize_in_net (mean 0 / std 255) en padding_color=114 erin: de app letterboxt naar 1024x1024 met grijs (114) en voedt ruwe uint8 RGB-pixels in — geen handmatige normalisatie.
• Klasse-ID's 0..14 indexeren de DOTA v1-lijst (plane, ship, storage-tank, baseball-diamond, ...) zoals in de dotav1_names.json van de Model Zoo.
• De eerste-inferentiediagnostiek is in productie uitgeschakeld (_DET_OUTPUT_LOGGED = True); zet deze op False in web_detection.py om de headindeling, waardenbereiken en het gedecodeerde hoekbereik te dumpen bij het valideren van een nieuwe HEF.

Ontwikkelnotities

• Bronmodules: src/hailo10h_yolov11{n,s,m,x}_obb/ in de reComputer-Hailo10H-CV-repository
• Containers: ghcr.io/seeed-projects/recomputer-hailo10h-cv/yolov11{n,s,m,x}_obb:latest
• Hailo-8 heeft geen officiële OBB-build (de Model Zoo vermeldt Hailo-8/Hailo-8L als NA bij geroteerde objectdetectie); yolov11l_obb is alleen gericht op Hailo-15L.
• Modellicentie: AGPL-3.0 (upstream ultralytics/ultralytics).