CV / YOLO26

YOLO26

YOLO26 COCO 目标检测：在 NVIDIA Jetson 上一键部署，或在 reComputer R Series + Hailo-8 / Hailo-10H 上运行 Hailo HEF。

18 次下载

大小

16GB disk

内存

4GB+

精度

JetPack 5/6/7 / Hailo HEF

选择你正在使用的设备，设置指南和文档将相应更新。

平台

尺寸

推理引擎

快速开始

部署

sudo docker run --rm \
  --name cm5-hailo8-yolo26n \
  --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/yolo26n:latest \
  python web_detection.py --model_path model/yolo26n.hef --video_path video/test.mp4

REST API

使用 REST API 进行推理。复制以下命令。

Curl

curl -X POST "http://<Board_IP>:8000/api/models/yolo26n/predict" \
  -F "file=@test.jpg"

Python

import requests

with open("test.jpg", "rb") as image_file:
    response = requests.post(
        "http://<Board_IP>:8000/api/models/yolo26n/predict",
        files={"file": image_file},
        timeout=30,
    )

print(response.json())

模型详情

reComputer R Series (CM5 + Hailo-8)

YOLO26 on reComputer R Series (CM5 + Hailo-8)

YOLO26n / YOLO26s / YOLO26m 通过 HailoRT 在 Hailo-8 上执行 COCO 80 类目标检测。YOLO26 是 one2one 头（每个格子一个预测、无锚框、无需 NMS）：宿主解码原始分支头并用两段式 top-k 选择；若编译产物带片上 HPP NMS 也会按该布局解析——首次推理会打印实际布局。

本页面向搭载 PCIe Hailo-8 加速器的 reComputer R Series (CM5 + Hailo-8)。

硬件与主机设置

项目	值
开发板	reComputer R Series 搭配 Raspberry Pi CM5
加速器	Hailo-8（PCIe 接口），以 `/dev/hailo0` 暴露
运行时	HailoRT 4.23.x
容器内 Python	3.11, aarch64

在主机上安装 Hailo-8 软件包，并在启动容器前确认驱动与设备就绪：

bash

sudo apt update
sudo apt install hailort hailort-pcie-driver python3-hailort
sudo reboot

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

这些镜像要求的 HailoRT 版本为 4.23.x。

使用演示视频运行

YOLO26n:

bash

sudo docker run --rm \
  --name cm5-hailo8-yolo26n \
  --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/yolo26n:latest \
  python web_detection.py --model_path model/yolo26n.hef --video_path video/test.mp4

YOLO26s:

bash

sudo docker run --rm \
  --name cm5-hailo8-yolo26s \
  --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/yolo26s:latest \
  python web_detection.py --model_path model/yolo26s.hef --video_path video/test.mp4

YOLO26m:

bash

sudo docker run --rm \
  --name cm5-hailo8-yolo26m \
  --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/yolo26m:latest \
  python web_detection.py --model_path model/yolo26m.hef --video_path video/test.mp4

浏览器打开 http://<Board_IP>:8000 查看网页预览。

USB 摄像头模式

bash

sudo docker run --rm \
  --name cm5-hailo8-yolo26n \
  --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-hailo8-cv/yolo26n:latest \
  python web_detection.py --model_path model/yolo26n.hef --camera_id 0

把 yolo26n 换成 yolo26s 或 yolo26m 即可切换变体。

HEF 文件

模型	大小	说明
`yolo26n.hef`	8,755,512 (8.3 MB)	参数量 2.4M，运算量 5.5G
`yolo26s.hef`	20,307,365 (19.4 MB)	参数量 9.5M，运算量 20.9G
`yolo26m.hef`	29,155,151 (27.8 MB)	参数量 20.4M，运算量 68.4G

三个变体都是同一 Ultralytics YOLO26 家族在 Hailo Model Zoo v2.19.0 上的 Hailo-8 编译产物。

Source: https://hailo-model-zoo.s3.eu-west-2.amazonaws.com/ModelZoo/Compiled/v2.19.0/hailo8/yolo26n.hef (yolo26s.hef, yolo26m.hef in the same directory).

REST API

text

POST http://<Board_IP>:8000/api/models/yolo26n/predict

bash

curl -X POST "http://<Board_IP>:8000/api/models/yolo26n/predict" \
  -F "file=@test.jpg"

接口	方法	用途
`/`	GET	网页预览界面
`/api/models/yolo26{n,s,m}/predict`	POST	检测结果（JSON）
`/api/video_feed`	GET	MJPEG 预览流

实现说明

Model Zoo base/yolo26.yaml 使用 nms=false、sigmoid=false、hpp=false、meta_arch=yolo26，并从 base/yolov8.yaml 继承 post_nms_topk=300；info.output_shape 记录的是 3 个 stride ×（4 通道框、80 通道类别）。
one2one 选择：完全不跑 NMS。宿主做 sigmoid 后先按最大类别分数取 top-k 锚点，再取 top-k 的 (锚点, 类别) 对——同一锚点允许多个类别——最后按置信度滑块过滤。
框解码：4 通道头给出格心到左/上、右/下边的距离（stride 单位，regression_length=1）；64 通道 DFL 编译产物走 softmax 期望解码。
若编译产物改带片上 HPP NMS（yolo26-seg 的 HEF 就是如此），则改为解析 post-NMS 张量（逐类紧凑缓冲区、Cx5xD / CxDx5 稠密布局、ragged NMS-by-score 列表），宿主侧不再做选择。
HEF 内含 normalize_in_net（mean 0 / std 255）与 padding_color=114：应用用灰色（114）填充做 letterbox，输入原始 uint8 RGB，宿主侧不做归一化。
类别 ID 0..79 直接索引标准 COCO 类别表。
首次推理会打印布局与框/分数范围（[YOLO26] layout=..., outputs=[...]），便于实机核对。

开发说明

源码模块：对应模型仓库里的 src/hailo10h_yolo26{n,s,m}/（Hailo-10H）或 src/rpi5_hailo8_yolo26{n,s,m}/（Hailo-8）
镜像：ghcr.io/seeed-projects/recomputer-hailo8-cv/yolo26{n,s,m}:latest
检测系列发布 n/s/m；YOLO26l / YOLO26x 目前还没有 Hailo HEF。
模型许可：AGPL-3.0（上游 ultralytics/ultralytics）。

输入与输出

输入：图像、视频或摄像头源。输出：COCO 80 类检测框（Jetson 走 Ultralytics 容器，R Series 走 Hailo HEF）。