Nový repozitář na GitHubu ukazuje implementaci detekčního modelu YOLOv11n v jazyce C pro Raspberry Pi 5. Autor uvádí, že varianta využívající instrukce ARM NEON zpracuje testovací snímek přibližně za 309 milisekund, zatímco referenční běh v Pythonu s knihovnou Ultralytics potřebuje asi 429 milisekund. Obě verze používají stejné váhy pro 80 tříd a na ukázkovém snímku vracejí shodné detekce. Kompilovaná knihovna nevyžaduje na cílovém zařízení Python, PyTorch ani NumPy, takže se hodí pro offline a vestavěné použití s menší paměťovou stopou. Repozitář obsahuje ukázkový program, skript pro sestavení i benchmark, ale samotný zdroj optimalizované inference není zveřejněný, protože je dodán v předpřipravené knihovně. Jde o komunitní projekt a uvedené výsledky jsou měřením autora na konkrétní desce, nikoli nezávislým testem.
