すべての記事

CVPR 2026でLibreYOLOXsをエッジAIに活用、Hailo-8LとSnapdragonで動作

Xuban

CVPR 2026、コロラド州デンバー、6月3日〜7日

LibreYOLOがCVPR 2026に登場しました。

CVPRは、世界で最も権威あるコンピュータビジョン学会として広く知られています。今年はデンバーで開催され、JabraとコペンハーゲンIT大学のチームが「Edge AI in Action: Mastering On-Device Inference」というチュートリアルを実施しました。エッジチップで物体検出を行うモデル例として、LibreYOLOXsを選びました。

構築したもの

このチュートリアルでは、エッジ向けのパイプライン全体を最初から最後まで紹介しました。まずLibreYOLOXsモデルを用意し、ONNXにエクスポートします。次に、そのONNXを性質の大きく異なる2種類のハードウェア、Hailo-8LアクセラレーターとQualcomm Snapdragon向けにコンパイルします。

Hailo-8Lでリアルタイム動作

ONNXをHailo Dataflow CompilerでHEFにコンパイルし、Hailo-8L AI HATを搭載したRaspberry Pi 5で実行しました。

Hailo-8Lを搭載したRaspberry Pi 5でLibreYOLOXsが動作し、にぎやかな通りで人とハンドバッグを検出している様子

Raspberry Piで1フレームあたり19.0 ms、52.6 FPSで動作しました。

Snapdragonでリアルタイム動作

Qualcomm側では、LibreYOLOXsをINT8に量子化し、SNPE、QAIRT、AI Hubのスタックで実行しました。ベンチマークはQCS6490で測定しました。

Snapdragonスマートフォン上のEdgeVision AIアプリで、LibreYOLOXsがテレビ、ノートPC、キーボード、マウス、携帯電話をリアルタイム検出している様子

HTP/DSPで6.69 msでした。

謝辞

プロジェクトを取り上げてくださったSai Narsi Reddy Donthi Reddy、Fabricio Batista Narcizo、Elizabete Munzlingera、Shan Ahmed Shaffiに感謝します。

試してみる

pip install libreyolo

from libreyolo import LibreYOLO

model = LibreYOLO("LibreYOLOXs.pt")
model.export(format="onnx")   # エッジターゲット向けにコンパイル

LibreYOLOはMITライセンスで、Linux、Mac、Windowsで動作します。コードを変更せずにGPU、Apple Silicon、通常のCPUで使えます。1つのAPIでYOLOX、RF-DETR、D-FINE、DEIM、YOLO-NAS、セグメンテーション、姿勢推定、深度推定などに対応します。

GitHubでスターを付けてください：github.com/LibreYOLO/libreyolo | ドキュメント：libreyolo.com/docs