在 Hailo-10H 上运行 YOLOv10

YOLOv10 on reComputer R Series (CM5 + Hailo-10H)

YOLOv10n / YOLOv10s / YOLOv10b / YOLOv10x 通过 HailoRT 在 Hailo-10H 上执行 COCO 80 类目标检测。编译出的 HEF 使用 one2one 头并在片上完成 NMS（HPP），因此宿主只解析 NMS 之后的结果，不做框解码也不跑 NMS。

本页面向搭载 PCIe Hailo-10H 加速器的 reComputer R Series (CM5 + Hailo-10H)。

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-10H（PCIe 接口），以 `/dev/hailo0` 暴露
运行时	HailoRT 5.1.1
容器内 Python	3.13, aarch64

在主机上安装 Hailo-10H 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 hailo-h10-all -y
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 5.1.1。

使用演示视频运行

YOLOv10n:

bash

sudo docker run --rm \
  --name cm5-hailo10h-yolov10n \
  --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/yolov10n:latest \
  python web_detection.py --model_path model/yolov10n.hef --video_path video/test.mp4

YOLOv10s:

bash

sudo docker run --rm \
  --name cm5-hailo10h-yolov10s \
  --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/yolov10s:latest \
  python web_detection.py --model_path model/yolov10s.hef --video_path video/test.mp4

YOLOv10b:

bash

sudo docker run --rm \
  --name cm5-hailo10h-yolov10b \
  --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/yolov10b:latest \
  python web_detection.py --model_path model/yolov10b.hef --video_path video/test.mp4

YOLOv10x:

bash

sudo docker run --rm \
  --name cm5-hailo10h-yolov10x \
  --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/yolov10x:latest \
  python web_detection.py --model_path model/yolov10x.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-hailo10h-yolov10n \
  --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/yolov10n:latest \
  python web_detection.py --model_path model/yolov10n.hef --camera_id 0

把 yolov10n 换成 yolov10s、yolov10b 或 yolov10x 即可切换变体。

HEF 文件

模型	大小	说明
`yolov10n.hef`	5,230,592 (5.0 MB)	参数量 2.3M，运算量 6.8G，mAP 38.5（全精度）
`yolov10s.hef`	10,182,656 (9.7 MB)	参数量 7.2M，运算量 21.7G，mAP 45.85（全精度）
`yolov10b.hef`	19,619,840 (18.7 MB)	参数量 20.15M，运算量 92.09G，mAP 52.0（全精度）
`yolov10x.hef`	26,251,264 (25.0 MB)	参数量 31.72M，运算量 160.56G，mAP 53.7（全精度）

四个变体都是同一 THU-MIG YOLOv10 家族在 Hailo Model Zoo v5.4.0 上的 Hailo-10H 编译产物。

Source: https://hailo-model-zoo.s3.eu-west-2.amazonaws.com/ModelZoo/Compiled/v5.4.0/hailo10h/yolov10n.hef (yolov10s.hef, yolov10b.hef, yolov10x.hef in the same directory).

REST API

text

POST http://<Board_IP>:8000/api/models/yolov10n/predict

bash

curl -X POST "http://<Board_IP>:8000/api/models/yolov10n/predict" \
  -F "file=@test.jpg"

接口	方法	用途
`/`	GET	网页预览界面
`/api/models/yolov10{n,s,b,x}/predict`	POST	检测结果（JSON）
`/api/video_feed`	GET	MJPEG 预览流

实现说明

Model Zoo base/yolov10.yaml 使用 hpp=true 与 device_pre_post_layers.nms=true、meta_arch=yolov8，对三个 one2one 类别卷积在片上做 sigmoid，info.output_shape 为 80x5x100（80 类，每类最多 100 个框）。
parser 节点是 one2one 头（/model.23/one2one_cv2.{0,1,2}/Conv 负责框、/model.23/one2one_cv3.{0,1,2}/Conv 负责类别）：每个格子一个预测、无锚框。宿主不做任何解码，也不跑 NMS。
HailoRT 5.1.1 返回的 NMS-by-class 结果是扁平的一维 FLOAT32 紧凑缓冲区：每类先是一个整数形式的检测数量，随后仅跟该数量的 [ymin, xmin, ymax, xmax, score] 行，数值归一化到 [0, 1]。解析在遇到第一个不合理的类别头时停止，因此最坏情况预留的填充尾部不会被当作数据；ragged NMS-by-score 与稠密 (1,C,5,D)、(1,C,D,5) 布局同样保留支持。
IOU 滑块不生效（NMS 在片上完成）；置信度滑块用于过滤解析出的检测结果。
HEF 已内置 normalize_in_net（mean 0 / std 255）与 padding_color=114：应用用灰色（114）做 letterbox，并把原始 uint8 RGB 像素送入网络，无需手工归一化。
类别 ID 0..79 直接索引标准 COCO 类别表。
首次推理诊断在生产中关闭（web_detection.py 中 _OUTPUT_LOGGED = True）；验证新 HEF 时改为 False 可打印原始输出的类型、形状、取值范围与逐类数据。

开发说明

源码模块：reComputer-Hailo10H-CV 仓库中的 src/hailo10h_yolov10{n,s,b,x}/
容器：ghcr.io/seeed-projects/recomputer-hailo10h-cv/yolov10{n,s,b,x}:latest
Hailo-8（R20 演示）仅发布 n/b/x；Hailo-10H 编译产物覆盖全部四个变体。
模型许可：AGPL-3.0（upstream THU-MIG/yolov10）。

YOLOv10

快速开始

模型详情

YOLOv10 on reComputer R Series (CM5 + Hailo-10H)

硬件与主机设置

使用演示视频运行

USB 摄像头模式

HEF 文件

REST API

实现说明

开发说明

输入与输出