RM26_engineer_exchange_model

hkustenterprize/RM26_engineer_exchange_model

RM26_engineer_exchange_model is a object detection model from hkustenterprize. Use it when you need objects located in an image. The card lists the license as agpl-3.0.

RM2026 工程机器人视觉模型的 OpenVINO FP16 部署权重，用于 NUC / 边缘推理。

Downloads · 30 days

Access

Public

Updated Jun 24, 2026

Repo size

206 MB

Likes

Public

Hugging Face

Repo makeup

Click a slice to open those files.

.pt79.8 MB · 37%

At a glance

Task: Object Detection
License: agpl-3.0
Access: Public
Created: Jun 23, 2026
Updated: Jun 24, 2026
SHA: afab41a8

Datasets

hkustenterprize/RM26_engineer_exchange

Model card

From the Hugging Face model README

RM2026 工程机器人视觉模型的 OpenVINO FP16 部署权重，用于 NUC / 边缘推理。

RM26_engineer_exchange_mode/
├── yolopose/v11.02/          # 单阶段：检测 + 12 关键点
├── yolo/v10.12/              # 仅检测 bbox（两阶段 pipeline 第一阶段）
└── litehr/
    ├── litehrnet30_v11.0/    # 两阶段：12 点热力图
    ├── litehrnet30_v9.1/     # 同上架构，v9.1 数据训练
    └── litehrnet18_v11.0/    # 轻量版 12 点热力图

每个 openvino_best/ 含 .xml + .bin（LiteHR 另含 .onnx 备用）。

yolopose / v11.02

单阶段 YOLO11s-Pose，同时输出 pillar / exchange 的 bbox 与 12 关键点。

项	值
Base model	YOLO11s-pose（Ultralytics，自 `yolo_v9.121` 权重继续训练）
训练数据	`dataset_finalversion`（45,400 张）
运行时	OpenVINO FP16
文件	`best.xml`, `best.bin`, `metadata.yaml`

Input

属性	值
名称	`x`
Shape	`[1, 3, 640, 640]`
类型	FP32
预处理	BGR `uint8` → letterbox 640×640 → `/255` → NCHW

Output

属性	值
Shape	`[1, 300, 42]`
类型	FP32
含义	最多 300 个检测；每行 42 维 = `x1,y1,x2,y2,score,class` + 12×`(kx, ky, kscore)`
类别	`0` pillar，`1` exchange
关键点	12 点：TL, TR, BL, BR, ring, light_BR, light_TR, shell_R, shell_M, shell_L, light_TL, light_BL

后处理：置信度阈值 + NMS（导出时 nms: true）。

yolo / v10.12

单阶段 YOLO26s 检测，仅 bbox，无关键点。常与 LiteHR 组成两阶段 pipeline。

项	值
Base model	YOLO26s（Ultralytics，自 `yolo26s_det_v10.08` 继续训练）
训练数据	`dataset_v10.0_det`
运行时	OpenVINO FP16，end2end（内置 NMS）
文件	`best.xml`, `best.bin`, `metadata.yaml`

Input

属性	值
Shape	`[1, 3, 640, 640]`
类型	FP32
预处理	同 YOLO Pose

Output

属性	值
Shape	`[1, 300, 6]`
类型	FP32
含义	最多 300 个检测；每行 `x1, y1, x2, y2, score, class_id`
类别	`0` pillar，`1` exchange

litehr / litehrnet30_v11.0

Top-down 姿态估计：输入 已裁剪的 ROI，输出 12 通道热力图，需 DARK 解码得到关键点。

项	值
Base model	MMPose LiteHRNet-30 + `PillarHeatmapHeadWithVis`
训练数据	`dataset_v11.0`（exchange12 标注）
运行时	OpenVINO FP16
文件	`hrnet_heatmap.xml`, `hrnet_heatmap.bin`, `hrnet_heatmap.onnx`

Input

属性	值
名称	`input`
Shape	`[B, 3, 256, 256]`（B 动态）
类型	FP32
预处理	BGR → RGB；按 bbox 仿射裁剪至 256×256；ImageNet 归一化 `mean=[123.675, 116.28, 103.53]`, `std=[58.395, 57.12, 57.375]`

Output

属性	值
名称	`heatmaps`
Shape	`[B, 12, 128, 128]`
类型	FP32
后处理	DARK 解码 → 12 个 `(x, y)` 映射回原图坐标；可选 visibility 分支

关键点（索引 0–11）：pillar 5 点 + exchange 7 点（同 dataset_finalversion schema）。

需外部提供 bbox（通常由 yolo/v10.12 给出 pillar 框）。

litehr / litehrnet30_v9.1

与 litehrnet30_v11.0 同架构、同 I/O；差异仅在训练数据版本（dataset_v9.1 vs dataset_v11.0）。

litehr / litehrnet18_v11.0

LiteHRNet-18 轻量版，I/O 与 v30 相同，参数量更小。

项	值
Base model	MMPose LiteHRNet-18 + `PillarHeatmapHeadWithVis`
训练数据	`dataset_v11.0`（exchange12）
文件	`litehrnet18_exchange12_heatmap.xml`, `.bin`, `.onnx`

部署组合

方案	模型	说明
单阶段	`yolopose/v11.02`	bbox + 12 kp 一次输出
两阶段	`yolo/v10.12` → `litehr/*`	YOLO 检框 + HRNet 精修关键点

Task: Object Detection
License: agpl-3.0
Created: Jun 23, 2026
Updated: Jun 24, 2026