CV / DAMO-YOLO

DAMO-YOLO

reComputer R Series (CM5 + Hailo-10H)

COCO-Objekterkennung mit 80 Klassen durch DAMO-YOLO (T/S/M-Varianten) auf der reComputer R Series mit Hailo-8 oder Hailo-10H.

343 Downloads

Größe

8.8 MB

Speicher

4GB+

Präzision

Hailo HEF / HailoRT 4.23.x (Hailo-8) / 5.1.1 (Hailo-10H)

Wähle das Gerät, das du verwendest. Die Einrichtungsanleitung und Dokumentation werden entsprechend aktualisiert.

Plattform

Größe

Inferenz-Engine

Erste Schritte

Bereitstellen

sudo docker run --rm \
  --name cm5-hailo10h-damoyolo-l20t \
  --privileged \
  --net=host \
  -e PYTHONUNBUFFERED=1 \
  --device /dev/hailo0:/dev/hailo0 \
  -v /usr/lib/libhailort.so.5.1.1:/usr/lib/libhailort.so.5.1.1:ro \
  -v /usr/lib/libhailort.so:/usr/lib/libhailort.so:ro \
  ghcr.io/seeed-projects/recomputer-hailo10h-cv/damoyolo_tinynas_l20_t:latest \
  python web_detection.py --model_path model/damoyolo_tinynas_l20_t.hef --video_path video/test.mp4

Modelldetails

reComputer CM5 + Hailo-10H

DAMO-YOLO auf reComputer CM5 + Hailo-10H

DAMO-YOLO mit TinyNAS-Backbones führt die COCO-Objekterkennung mit 80 Klassen auf dem Hailo-10H über HailoRT 5.1.1 aus, mit dem nanodet_split-Kopf und DFL-Box-Regression. Eine Karte, drei Varianten, ausgewählt über das Size-Dropdown.

Diese Seite richtet sich an reComputer R Series (CM5 + Hailo-10H) mit einem PCIe-Hailo-10H-Beschleuniger.

Modellinformationen

Variante	Parameter	Operationen	mAP (COCO)	Hailo-10H HEF
T (tinynasL20)	11.35M	18.0G	42.8	11.9 MB
S (tinynasL25)	16.25M	37.6G	46.5	21.4 MB
M (tinynasL35)	33.98M	61.6G	49.7	23.9 MB

Eigenschaft	Wert
Aufgabe	Objekterkennung
Eingabe	640x640x3 RGB (Normalisierung ist ein No-op; rohes uint8)
Ausgabe	6 Köpfe: box (80x80x68, 40x40x68, 20x20x68) + cls (80x80x81, 40x40x81, 20x20x81)
Klassen	80 (COCO)
Nachbearbeitung	nanodet_split (DFL, regression_length=16), CPU-Dekodierung
HEF	Hailo Model Zoo v5.4.0, Hailo-10H

Die Genauigkeitswerte sind Referenzwerte des Hailo Model Zoo. Es handelt sich nicht um auf dem CM5 gemessene Benchmarks.

Hardware- und Host-Setup

Punkt	Wert
Board	reComputer R Series mit Raspberry Pi CM5
Beschleuniger	Hailo-10H über PCIe, als `/dev/hailo0` verfügbar
Host-Treiber	apt-Paket `hailo-h10-all`
Runtime	HailoRT 5.1.1
Python im Container	3.13, aarch64

bash

sudo apt update
sudo apt install hailo-h10-all -y
sudo reboot

# After reboot
hailortcli fw-control identify
ls /dev/hailo0

# Docker
curl -fsSL https://get.docker.com -o get-docker.sh
sudo sh get-docker.sh --mirror Aliyun
sudo systemctl enable docker
sudo systemctl start docker

Mit Demo-Video ausführen

DAMO-YOLO T (tinynasL20)

bash

sudo docker run --rm \
  --name cm5-hailo10h-damoyolo-l20t \
  --privileged \
  --net=host \
  -e PYTHONUNBUFFERED=1 \
  --device /dev/hailo0:/dev/hailo0 \
  -v /usr/lib/libhailort.so.5.1.1:/usr/lib/libhailort.so.5.1.1:ro \
  -v /usr/lib/libhailort.so:/usr/lib/libhailort.so:ro \
  ghcr.io/seeed-projects/recomputer-hailo10h-cv/damoyolo_tinynas_l20_t:latest \
  python web_detection.py --model_path model/damoyolo_tinynas_l20_t.hef --video_path video/test.mp4

DAMO-YOLO S (tinynasL25)

bash

sudo docker run --rm \
  --name cm5-hailo10h-damoyolo-l25s \
  --privileged \
  --net=host \
  -e PYTHONUNBUFFERED=1 \
  --device /dev/hailo0:/dev/hailo0 \
  -v /usr/lib/libhailort.so.5.1.1:/usr/lib/libhailort.so.5.1.1:ro \
  -v /usr/lib/libhailort.so:/usr/lib/libhailort.so:ro \
  ghcr.io/seeed-projects/recomputer-hailo10h-cv/damoyolo_tinynas_l25_s:latest \
  python web_detection.py --model_path model/damoyolo_tinynas_l25_s.hef --video_path video/test.mp4

DAMO-YOLO M (tinynasL35)

bash

sudo docker run --rm \
  --name cm5-hailo10h-damoyolo-l35m \
  --privileged \
  --net=host \
  -e PYTHONUNBUFFERED=1 \
  --device /dev/hailo0:/dev/hailo0 \
  -v /usr/lib/libhailort.so.5.1.1:/usr/lib/libhailort.so.5.1.1:ro \
  -v /usr/lib/libhailort.so:/usr/lib/libhailort.so:ro \
  ghcr.io/seeed-projects/recomputer-hailo10h-cv/damoyolo_tinynas_l35_m:latest \
  python web_detection.py --model_path model/damoyolo_tinynas_l35_m.hef --video_path video/test.mp4

Öffnen Sie http://<Board_IP>:8000, um die Web-Vorschau zu sehen.

REST API

bash

curl -X POST "http://<Board_IP>:8000/api/models/damoyolo_tinynas_l25_s/predict"   -F "file=@test.jpg"

Endpoint	Methode	Zweck
`/api/models/damoyolo_tinynas_<variant>/predict`	POST	Erkennungen (JSON)
`/api/video_feed`	GET	MJPEG-Vorschau
`/api/config`	GET / POST	Konfidenzschwellenwert

Entwicklungshinweise

Quellmodule: src/hailo10h_damoyolo_tinynas_l20_t/, ..._l25_s/, ..._l35_m/
Dockerfiles: docker/hailo10h/damoyolo_tinynas_l*.dockerfile
Container: ghcr.io/seeed-projects/recomputer-hailo10h-cv/damoyolo_tinynas_l{20_t,25_s,35_m}:latest
Der Executor ist der Multi-Output-create_infer_model-Wrapper von HailoRT 5.1.1 (damoyolo legt 6 Köpfe offen).
HEFs: hailo10h-Builds des Hailo Model Zoo v5.4.0.

Eingaben und Ausgaben

Eingabe: Bild, Video oder USB-Kamerabild. Ausgabe: COCO-Erkennungsboxen für 80 Klassen mit Konfidenzwerten und annotierter MJPEG-Vorschau.