CV / YOLO11
YOLO11
reComputer R Series (CM5 + Hailo-10H)
轻量级 YOLO11 Nano 目标检测模型，适合边缘快速部署。
1.2k+ 次下载
大小
~5MB内存
1GB+精度
FP16选择你正在使用的设备，设置指南和文档将相应更新。
效果预览
快速开始
部署
sudo docker run --rm \
--name cm5-hailo10h-yolo11n \
--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:latest \
python web_detection.py --model_path model/yolov11n.hef --video_path video/test.mp4模型详情
reComputer CM5 + Hailo-10HYOLOv11 在 reComputer CM5 + Hailo-10H 上运行
YOLOv11（n/s/m/l/x 变体）通过 HailoRT 5.1.1 在 Hailo-10H 上执行 COCO 80 类目标检测。NMS 在片上运行（HPP），应用直接解析 NMS 后的 80x5x100 张量。
模型信息
| 变体 | 输入 | 参数量 | 计算量 | Hailo-10H HEF |
|---|---|---|---|---|
| YOLOv11n | 640x640x3 | 2.6M | 6.55G | 5.3 MB |
| YOLOv11s | 640x640x3 | 9.4M | 21.5G | 16.3 MB |
| YOLOv11m | 640x640x3 | 20.1M | 68.0G | 27.0 MB |
| YOLOv11l | 640x640x3 | 25.3M | 86.9G | 27.9 MB |
| YOLOv11x | 640x640x3 | 56.9M | 194G | 54.2 MB |
| 属性 | 值 |
|---|---|
| 任务 | 目标检测 |
| 输出 | 片上 NMS 张量 80x5x100（行格式：ymin,xmin,ymax,xmax,score，归一化） |
| 类别 | 80 类（COCO，Model Zoo 索引顺序） |
| HEF | Hailo Model Zoo v5.4.0，Hailo-10H |
硬件与主机设置
| 项目 | 值 |
|---|---|
| 开发板 | reComputer R Series（树莓派 CM5） |
| 加速器 | Hailo-10H，PCIe 接口，设备节点为 /dev/hailo0 |
| 主机驱动 | hailo-h10-all apt 包 |
| 运行时 | HailoRT 5.1.1 |
| 容器内 Python | 3.13，aarch64 |
bash
sudo apt update
sudo apt install hailo-h10-all -y
sudo reboot
# After reboot
hailortcli fw-control identify
ls /dev/hailo0使用演示视频运行
步骤 A：拉取镜像
bash
sudo docker pull ghcr.io/seeed-projects/recomputer-hailo10h-cv/yolov11n:latest
sudo docker pull ghcr.io/seeed-projects/recomputer-hailo10h-cv/yolov11s:latest
sudo docker pull ghcr.io/seeed-projects/recomputer-hailo10h-cv/yolov11m:latest
sudo docker pull ghcr.io/seeed-projects/recomputer-hailo10h-cv/yolov11l:latest
sudo docker pull ghcr.io/seeed-projects/recomputer-hailo10h-cv/yolov11x:latest步骤 B：运行容器
选择与所用模型变体对应的命令运行。
YOLOv11n
bash
sudo docker run --rm \n --name cm5-hailo10h-yolov11n \n --privileged \n --net=host \n -e PYTHONUNBUFFERED=1 \n --device /dev/hailo0:/dev/hailo0 \n -v /usr/lib/libhailort.so.5.1.1:/usr/lib/libhailort.so.5.1.1:ro \n -v /usr/lib/libhailort.so:/usr/lib/libhailort.so:ro \n ghcr.io/seeed-projects/recomputer-hailo10h-cv/yolov11n:latest \n python web_detection.py --model_path model/yolov11n.hef --video_path video/test.mp4YOLOv11s
bash
sudo docker run --rm \n --name cm5-hailo10h-yolov11s \n --privileged \n --net=host \n -e PYTHONUNBUFFERED=1 \n --device /dev/hailo0:/dev/hailo0 \n -v /usr/lib/libhailort.so.5.1.1:/usr/lib/libhailort.so.5.1.1:ro \n -v /usr/lib/libhailort.so:/usr/lib/libhailort.so:ro \n ghcr.io/seeed-projects/recomputer-hailo10h-cv/yolov11s:latest \n python web_detection.py --model_path model/yolov11s.hef --video_path video/test.mp4YOLOv11m
bash
sudo docker run --rm \n --name cm5-hailo10h-yolov11m \n --privileged \n --net=host \n -e PYTHONUNBUFFERED=1 \n --device /dev/hailo0:/dev/hailo0 \n -v /usr/lib/libhailort.so.5.1.1:/usr/lib/libhailort.so.5.1.1:ro \n -v /usr/lib/libhailort.so:/usr/lib/libhailort.so:ro \n ghcr.io/seeed-projects/recomputer-hailo10h-cv/yolov11m:latest \n python web_detection.py --model_path model/yolov11m.hef --video_path video/test.mp4YOLOv11l
bash
sudo docker run --rm \n --name cm5-hailo10h-yolov11l \n --privileged \n --net=host \n -e PYTHONUNBUFFERED=1 \n --device /dev/hailo0:/dev/hailo0 \n -v /usr/lib/libhailort.so.5.1.1:/usr/lib/libhailort.so.5.1.1:ro \n -v /usr/lib/libhailort.so:/usr/lib/libhailort.so:ro \n ghcr.io/seeed-projects/recomputer-hailo10h-cv/yolov11l:latest \n python web_detection.py --model_path model/yolov11l.hef --video_path video/test.mp4YOLOv11x
bash
sudo docker run --rm \n --name cm5-hailo10h-yolov11x \n --privileged \n --net=host \n -e PYTHONUNBUFFERED=1 \n --device /dev/hailo0:/dev/hailo0 \n -v /usr/lib/libhailort.so.5.1.1:/usr/lib/libhailort.so.5.1.1:ro \n -v /usr/lib/libhailort.so:/usr/lib/libhailort.so:ro \n ghcr.io/seeed-projects/recomputer-hailo10h-cv/yolov11x:latest \n python web_detection.py --model_path model/yolov11x.hef --video_path video/test.mp4打开 http://<Board_IP>:8000 查看 Web 预览。
REST API
每个变体有独立的预测端点：
| 变体 | 端点 |
|---|---|
| YOLOv11n | POST /api/models/yolov11n/predict |
| YOLOv11s | POST /api/models/yolov11s/predict |
| YOLOv11m | POST /api/models/yolov11m/predict |
| YOLOv11l | POST /api/models/yolov11l/predict |
| YOLOv11x | POST /api/models/yolov11x/predict |
示例：
bash
curl -X POST "http://<Board_IP>:8000/api/models/yolov11n/predict" -F "file=@test.jpg"实现说明
- 片上 NMS（HPP，yolov11n 配置沿用
meta_arch=yolov8）；应用解析 NMS 后的 80x5x100 张量——行格式 [ymin, xmin, ymax, xmax, score]，相对 640x640 输入归一化。 - 预处理：letterbox（灰色 114 填充）+ RGB，原始 uint8 输入（归一化 0/255）。
- 执行器为 HailoRT 5.1.1 多输出 FLOAT32 封装；按 SOP 验收清单，首次推理会打印输出范围。
开发说明
- 源码模块：
src/hailo10h_yolov11{n,s,m,l,x}/ - Dockerfile：
docker/hailo10h/yolov11{n,s,m,l,x}.dockerfile - 容器镜像：
ghcr.io/seeed-projects/recomputer-hailo10h-cv/yolov11{n,s,m,l,x}:latest - HEF：Hailo Model Zoo v5.4.0 的 hailo10h 构建。