Skip to main content

目标检测-Ultralytics YOLO11

本示例基于 Ultralytics YOLO11 模型，通过 hbm_runtime 接口完成图像的目标检测。支持图像预处理、推理、后处理（包含解码、置信度过滤、NMS）以及结果图像保存，本示例代码位于/app/pydev_demo/02_detection_sample/02_ultralytics_yolo11/目录下。

模型说明​

  • 简介：

    Ultralytics YOLO11 是一款轻量级的 anchor-based 目标检测模型，融合了 anchor-free 与 anchor-based 思想，具备快速推理和精确定位的能力。该模型在回归阶段采用离散分桶（regression bin）方式，结合 softmax 分类和解码机制来提升定位精度。Ultralytics YOLO11 适用于实时场景下的小模型部署，如安防监控、工业检测等任务。

  • HBM 模型名称： yolo11n_detect_nashe_640x640_nv12.hbm

  • 输入格式： NV12 格式，大小为 640x640（Y、UV 分离）

  • 输出： 多尺度特征图，每层包含类别得分张量和边界框离散回归张量，最终输出为目标框位置、类别 ID 和置信度分数

  • 模型下载地址（程序自动下载）：

    https://archive.d-robotics.cc/downloads/rdk_model_zoo/rdk_s100/ultralytics_YOLO/yolo11n_detect_nashe_640x640_nv12.hbm

功能说明​

  • 模型加载

    使用 hbm_runtime 接口加载 Ultralytics YOLO11 量化模型，提取输入输出名称、形状、量化信息等模型元数据，供后续推理流程使用。

  • 输入预处理

    将原始 BGR 图像 resize 为 640×640，转换为 NV12 格式（Y、UV 分离），构造输入张量嵌套字典，适配推理接口要求。

  • 推理执行

    通过 .run() 方法运行前向推理，可指定调度参数（推理优先级、BPU 核心绑定）。输出包含多个尺度分支的分类张量与回归张量。

  • 结果后处理

    • 将量化输出反量化为 float32；

    • 对每个尺度分支进行分类分数筛选，保留超过设定置信度阈值的候选框；

    • 使用多分桶回归算法进行边框解码；

    • 合并所有尺度的候选框并应用 NMS（非极大值抑制）去除冗余框；

    • 将检测框从模型输入坐标系映射回原图尺寸；

    • 可选地绘制检测结果并保存图像文件。

环境依赖​

本样例无特殊环境需求，只需确保安装了pydev中的环境依赖即可。

pip install -r ../../requirements.txt

目录结构​

.
├── ultralytics_yolo11.py       # 主推理脚本
└── README.md                   # 使用说明

参数说明​

参数名说明默认值
--model-path模型文件路径（.hbm 格式）/opt/hobot/model/s100/basic/yolo11n_detect_nashe_640x640_nv12.hbm
--test-img输入测试图片路径/app/res/assets/kite.jpg
--label-file类别标签文件路径（每行一个类别名称）/app/res/labels/coco_classes.names
--img-save-path检测结果图像保存路径result.jpg
--priority模型调度优先级（0~255，数值越大优先级越高）0
--bpu-cores使用的 BPU 核心编号列表（如 --bpu-cores 0 1）[0]
--nms-thres非极大值抑制（NMS）的 IoU 阈值0.45
--score-thres置信度过滤阈值（低于该值的目标将被过滤）0.25

快速运行​

  • 运行模型

    • 使用默认参数 
      python ultralytics_yolo11.py
    • 指定参数运行 
      python ultralytics_yolo11.py \
          --model-path /opt/hobot/model/s100/basic/yolo11n_detect_nashe_640x640_nv12.hbm \
          --test-img /app/res/assets/kite.jpg \
          --label-file /app/res/labels/coco_classes.names \
          --img-save-path result.jpg \
          --priority 0 \
          --bpu-cores 0 \
          --nms-thres 0.45 \
          --score-thres 0.25

  • 查看结果

    运行成功后，会将目标检测框绘制在原图上，并保存到 --img-save-path 指定路径

    [Saved] Result saved to: result.jpg

注意事项​

  • 若指定模型路径不存在，程序将尝试自动下载模型。

License​

Copyright (C) 2025，XiangshunZhao D-Robotics.

This program is free software: you can redistribute it and/or modify
it under the terms of the GNU Affero General Public License as
published by the Free Software Foundation, either version 3 of the
License, or (at your option) any later version.

This program is distributed in the hope that it will be useful,
but WITHOUT ANY WARRANTY; without even the implied warranty of
MERCHANTABILITY or FITNESS FOR A PARTICULAR PURPOSE.  See the
GNU Affero General Public License for more details.

You should have received a copy of the GNU Affero General Public License
along with this program.  If not, see <https://www.gnu.org/licenses/>.
Last updated on