LibreYOLO auf der CVPR 2026: Edge AI mit Hailo-8L und Snapdragon

LibreYOLO war auf der CVPR 2026 dabei.

Die CVPR gilt weithin als die renommierteste Computervision-Konferenz der Welt. Dieses Jahr fand sie in Denver statt. Ein Team von Jabra und der IT-Universität Kopenhagen veranstaltete dort ein Tutorial mit dem Titel „Edge AI in Action: Mastering On-Device Inference“. Als Beispielmodell, um Objekterkennung auf Edge-Chips zu bringen, wählte das Team LibreYOLOXs.

Was sie entwickelt haben

Das Tutorial führte die gesamte Edge-Pipeline von Anfang bis Ende vor. Zuerst ein LibreYOLOXs-Modell. Dann der Export nach ONNX. Anschließend wurde das ONNX-Modell für zwei sehr unterschiedliche Hardware-Plattformen kompiliert: einen Hailo-8L-Beschleuniger und Qualcomm Snapdragon.

Echtzeit auf einem Hailo-8L

Das Team kompilierte das ONNX-Modell mit dem Hailo Dataflow Compiler zu einer HEF-Datei und führte es anschließend auf einem Raspberry Pi 5 mit dem Hailo-8L AI HAT aus.

Auf einem Raspberry Pi lief es mit 19.0 ms pro Frame und 52.6 FPS.

Echtzeit auf Snapdragon

Auf der Qualcomm-Seite quantisierte das Team LibreYOLOXs auf INT8 und führte es über den SNPE-, QAIRT- und AI-Hub-Stack aus. Der Benchmark wurde auf einem QCS6490 durchgeführt.

Auf dem HTP/DSP erreichte es 6.69 ms.

Danke

Vielen Dank an Sai Narsi Reddy Donthi Reddy, Fabricio Batista Narcizo, Elizabete Munzlingera und Shan Ahmed Shaffi, dass sie das Projekt vorgestellt haben.

• Tutorial und Folien: Edge AI in Action: Mastering On-Device Inference
• Qualcomm-quantisierte LibreYOLOXs-Modelle: auf Hugging Face

Ausprobieren

pip install libreyolo

from libreyolo import LibreYOLO

model = LibreYOLO("LibreYOLOXs.pt")
model.export(format="onnx")   # then compile for your edge target

LibreYOLO steht unter der MIT-Lizenz, läuft unter Linux, Mac und Windows und funktioniert ohne Codeänderung auf GPU, Apple Silicon und reiner CPU. Eine API umfasst YOLOX, RF-DETR, D-FINE, DEIM, YOLO-NAS, Segmentierung, Pose, Tiefe und mehr.

Gib dem Projekt einen Stern auf GitHub: github.com/LibreYOLO/libreyolo | Doku: libreyolo.com/docs