← 模型

CV / YOLO11

YOLO11-seg

reComputer R Series (CM5 + Hailo-8)

YOLO11 分割模型（n/s/m/l/x-seg），适用于 reComputer R Series + Hailo-8。

10 次下载
大小
7.9 MB
内存
4GB+
精度
Hailo HEF

选择你正在使用的设备，设置指南和文档将相应更新。

快速开始

部署
sudo docker run --rm \
  --name pi5-hailo8-yolov11n-seg \
  --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/yolov11n_seg:latest \
  python web_detection.py --model_path model/yolov11n_seg.hef --video_path video/test.mp4

模型详情

YOLO11-seg 在 reComputer R Series（CM5 + Hailo-8）上运行

YOLO11n/s/m/l/x-seg 通过 HailoRT 4.23 在 Hailo-8 上运行。HEF 输出 10 个原始头， 主机侧解码 DFL 框、类别分数和 mask 系数，组装 sigmoid(coeffs @ proto) 实例 掩码，并以 80 个 COCO 类别渲染。

模型信息

变体输入打包 HEF容器镜像
YOLO11n-seg640×640×3 RGB7.9 MByolov11n_seg
YOLO11s-seg640×640×3 RGB19.7 MByolov11s_seg
YOLO11m-seg640×640×3 RGB39.6 MByolov11m_seg
YOLO11l-seg640×640×3 RGB40.6 MByolov11l_seg
YOLO11x-seg640×640×3 RGB68.0 MByolov11x_seg

硬件与主机设置

项目值
开发板树莓派 CM5 的 reComputer R Series
加速器Hailo-8，PCIe，设备节点 /dev/hailo0
运行时HailoRT 4.23.x（宿主机与容器 major.minor 必须一致）
容器 Python3.11，aarch64
bash
sudo apt update
sudo apt install hailo-all -y
sudo reboot

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

# Docker
curl -fsSL https://get.docker.com -o get-docker.sh
sudo sh get-docker.sh --mirror Aliyun
sudo systemctl enable docker
sudo systemctl start docker

使用演示视频运行

请选择与模型变体对应的命令。

YOLO11n-seg

bash
sudo docker run --rm \
  --name pi5-hailo8-yolov11n-seg \
  --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/yolov11n_seg:latest \
  python web_detection.py --model_path model/yolov11n_seg.hef --video_path video/test.mp4

YOLO11s-seg

bash
sudo docker run --rm \
  --name pi5-hailo8-yolov11s-seg \
  --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/yolov11s_seg:latest \
  python web_detection.py --model_path model/yolov11s_seg.hef --video_path video/test.mp4

YOLO11m-seg

bash
sudo docker run --rm \
  --name pi5-hailo8-yolov11m-seg \
  --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/yolov11m_seg:latest \
  python web_detection.py --model_path model/yolov11m_seg.hef --video_path video/test.mp4

YOLO11l-seg

bash
sudo docker run --rm \
  --name pi5-hailo8-yolov11l-seg \
  --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/yolov11l_seg:latest \
  python web_detection.py --model_path model/yolov11l_seg.hef --video_path video/test.mp4

YOLO11x-seg

bash
sudo docker run --rm \
  --name pi5-hailo8-yolov11x-seg \
  --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/yolov11x_seg:latest \
  python web_detection.py --model_path model/yolov11x_seg.hef --video_path video/test.mp4

打开 http://<Board_IP>:8000 查看 Web 预览（按类别叠加实例掩码和检测框）。

USB 摄像头模式

bash
sudo docker run --rm \
  --name pi5-hailo8-yolov11n-seg \
  --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/yolov11n_seg:latest \
  python web_detection.py --model_path model/yolov11n_seg.hef --camera_id 0

REST API

每个变体有独立的端点：

变体端点
YOLO11n-segPOST /api/models/yolov11n_seg/predict
YOLO11s-segPOST /api/models/yolov11s_seg/predict
YOLO11m-segPOST /api/models/yolov11m_seg/predict
YOLO11l-segPOST /api/models/yolov11l_seg/predict
YOLO11x-segPOST /api/models/yolov11x_seg/predict
bash
curl -X POST "http://<Board_IP>:8000/api/models/yolov11n_seg/predict" \
  -F "file=@test.jpg"

实现说明

  • HEF 输出 10 个原始 vstream，没有片上 NMS：每个 stride（20×20、40×40、80×80） 一个 64 通道 DFL 框头、一个 80 通道类别头、一个 32 通道 mask 系数头，另加 160×160×32 原型。
  • 主机侧执行 DFL softmax 期望（16 bins）、对原始类别头做 sigmoid、按类 NMS （预览最多 100 个检测），再用 sigmoid(coeffs @ proto) 组装掩码并按框裁剪 （阈值 0.5）。
  • letterbox 填充为 114；mean 0 / std 255 归一化已编译进 HEF。框和掩码在绘制前会 映射回原始画幅。
  • 启动时从 HEF 读取输入尺寸（640×640）。较大变体上 CPU 解码是预览瓶颈。

开发说明

  • 源码：src/rpi5_hailo8_yolov11{n,s,m,l,x}_seg/
  • Dockerfile：docker/hailo8/yolov11{n,s,m,l,x}_seg.dockerfile
  • 容器镜像：ghcr.io/seeed-projects/recomputer-hailo8-cv/yolov11{n,s,m,l,x}_seg:latest
  • HEF：Hailo Model Zoo v2.20.0（hailo8），大小与 SHA256 记录在各模块的 model/README.md
  • 所属系列：YOLO11-seg（Ultralytics，AGPL-3.0）

输入与输出

输入：图像、视频或 USB 摄像头帧。输出：带实例掩码的 COCO 类别框和标注 MJPEG 预览。