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

YOLOv11n / YOLOv11s / YOLOv11m / YOLOv11x-OBB 通过 HailoRT 在 Hailo-10H 上执行旋转框目标检测（DOTA v1，15 类）。编译出的 HEF 没有片上 NMS：它暴露九个原始头，宿主负责解码并运行旋转框概率 IoU NMS——与 Hailo Model Zoo 复现其官方 DOTA mAP 时使用的解码完全一致。

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

YOLOv11n_obb:

bash

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:

bash

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:

bash

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:

bash

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

浏览器打开 http://<Board_IP>:8000 查看网页预览。

仓库自带的演示视频是一段短的**航拍（无人机）**素材，因此 DOTA 训练的模型能直接在预览里看到车辆等空中目标的旋转框；不属于 DOTA 类别的无人机数据集类别（如行人）不会报出。

USB 摄像头模式

bash

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

把 yolov11n_obb 换成 yolov11s_obb、yolov11m_obb 或 yolov11x_obb 即可切换变体。

HEF 文件

模型	大小	说明
`yolov11n_obb.hef`	6,893,568 (6.57 MB)	参数量 3.80M，运算量 17.25G，硬件 mAP 48.4，166 FPS
`yolov11s_obb.hef`	17,088,512 (16.3 MB)	参数量 12.6M，运算量 57.94G，硬件 mAP 52.3，76.5 FPS
`yolov11m_obb.hef`	30,142,464 (28.75 MB)	参数量 33.99M，运算量 183.59G，硬件 mAP 54.1，29.5 FPS
`yolov11x_obb.hef`	64,696,320 (61.7 MB)	参数量 60.08M，运算量 521.61G，硬件 mAP 56.0，8.54 FPS

四个变体都是同一 YOLOv11-OBB 家族（DOTA v1）在 Hailo Model Zoo v5.4.0 上的 Hailo-10H 编译产物。mAP 与 FPS 为 Model Zoo 公布的 Hailo-10H 数据。

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

text

POST http://<Board_IP>:8000/api/models/yolov11n_obb/predict

bash

curl -X POST "http://<Board_IP>:8000/api/models/yolov11n_obb/predict" \
  -F "file=@aerial.jpg" -F "conf=0.25" -F "iou=0.7"

每条结果返回类别、置信度和旋转框：

json

{
  "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 为度（相对 +x 逆时针，范围 [-45, 135)）。

接口	方法	用途
`/`	GET	网页预览界面
`/api/models/yolov11{n,s,m,x}_obb/predict`	POST	旋转框检测结果（JSON）
`/api/video_feed`	GET	MJPEG 预览流

实现说明

Model Zoo base/yolo_obb.yaml 设置 device_pre_post_layers.sigmoid: false、meta_arch: yobb、score_threshold: 0.01，没有 hpp 也没有片上 NMS；anchors 使用 scale_factors [0.5, 0.5]、regression_length 15（16 个 DFL 箱）与 strides [8, 16, 32]，评测为 DOTA v1 的 15 类。
头布局：九个原始张量，按通道数（64 通道 DFL 框 / 15 通道类别 / 1 通道角度）识别并按 stride 配对（128x128、64x64、32x32）。
角度：theta = (sigmoid(a) - 0.25) * pi（范围 [-pi/4, 3pi/4)），与 Model Zoo 的 YoloOBBPostProc 及 ultralytics OBB 头一致。
框：对 16 个 DFL 箱做 softmax 期望得到 stride 单位的 l/t/r/b 距离；w = l + r、h = t + b，中心为锚点加上旋转后的半轴偏移，距离再乘 stride。
选择：每个锚点取最佳类别并按置信度滑块过滤，随后做带类别偏移的概率 IoU Fast-NMS（max_wh 7680，候选上限 30000，输出上限 300）；因为 NMS 在宿主运行，置信度与 IOU 滑块都生效。
HEF 已内置 normalize_in_net（mean 0 / std 255）与 padding_color=114：应用用灰色（114）letterbox 到 1024x1024，并把原始 uint8 RGB 像素送入网络，无需手工归一化。
类别 ID 0..14 对应 DOTA v1 列表（plane、ship、storage-tank、baseball-diamond…），与 Model Zoo 的 dotav1_names.json 一致。
首次推理诊断在生产中关闭（_DET_OUTPUT_LOGGED = True）；验证新 HEF 时在 web_detection.py 里改为 False 可打印头布局、取值范围与解码后的角度范围。

开发说明

源码模块：reComputer-Hailo10H-CV 仓库中的 src/hailo10h_yolov11{n,s,m,x}_obb/
容器：ghcr.io/seeed-projects/recomputer-hailo10h-cv/yolov11{n,s,m,x}_obb:latest
Hailo-8 没有官方 OBB 编译产物（Model Zoo 的 oriented object detection 一栏 Hailo-8/Hailo-8L 均为 NA）；yolov11l_obb 只面向 Hailo-15L。
模型许可：AGPL-3.0（upstream ultralytics/ultralytics）。

YOLOv11-obb

快速开始

模型详情

YOLOv11-obb 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