CV / Tiny Yolo

Tiny-YOLOv4

reComputer R Series (CM5 + Hailo-8)

COCO-Objekterkennung mit 80 Klassen durch Tiny-YOLOv4 (YOLOv3-Decodierung auf der CPU) auf reComputer R Series mit Hailo-8.

17 Downloads

Größe

7.3 MB

Speicher

4GB+

Präzision

Hailo HEF / HailoRT 4.23.x

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

Plattform

Inferenz-Engine

Erste Schritte

Bereitstellen

sudo docker run --rm \
  --name cm5-hailo8-tiny-yolov4 \
  --privileged \
  --net=host \
  -e PYTHONUNBUFFERED=1 \
  --device /dev/hailo0:/dev/hailo0 \
  -v /usr/lib/libhailort.so.4.23.0:/usr/lib/libhailort.so.4.23.0:ro \
  -v /usr/lib/libhailort.so:/usr/lib/libhailort.so:ro \
  ghcr.io/seeed-projects/recomputer-hailo8-cv/tiny_yolov4:latest \
  python web_detection.py --model_path model/tiny_yolov4.hef --video_path video/test.mp4

REST API

Verwende die REST API für die Inferenz. Kopiere die folgenden Befehle.

Curl

curl -X POST "http://<Board_IP>:8000/api/models/tiny_yolov4/predict" \
  -F "file=@test.jpg"

Python

import requests

response = requests.post(
    "http://<Board_IP>:8000/api/models/tiny_yolov4/predict",
    files={"file": open("test.jpg", "rb")},
    timeout=30,
)
print(response.json())

Modelldetails

Tiny-YOLOv4 auf reComputer R Series (CM5 + Hailo-8)

Tiny-YOLOv4 erkennt auf Hailo-8 die 80 COCO-Klassen. Gleiche Ein-/Ausgabe wie Tiny-YOLOv3, aber mit YOLOv4-tiny-Backbone (leichter, genauer). Kein NMS auf dem Chip: rohe YOLOv3-Köpfe werden auf der CPU decodiert.

Diese Seite richtet sich an reComputer R Series (CM5 + Hailo-8) mit einem PCIe-Hailo-8-Beschleuniger.

Modellinformationen

Eigenschaft	Wert
Architektur	YOLOv4-tiny (base/yolo.yaml)
Aufgabe	Objekterkennung
Eingabe	416x416x3 RGB (normalize_in_net std=255)
Ausgabe	2 rohe Köpfe: 13x13x255 (Schrittweite 32) + 26x26x255 (Schrittweite 16)
Klassen	80 (COCO, 0-basiert)
Parameter	6.05M
Operationen	6.92G
Nachverarbeitung	YOLOv3-CPU-Decodierung (KEIN NMS auf dem Chip)
HEF	Hailo Model Zoo v2.19.0, Hailo-8

Hardware- und Hosteinrichtung

bash

sudo apt update
sudo apt install hailort hailort-pcie-driver python3-hailort
sudo reboot
hailortcli --version
hailortcli fw-control identify
ls -l /dev/hailo0

Mit Demovideo ausführen

bash

sudo docker run --rm \
  --name cm5-hailo8-tiny-yolov4 \
  --privileged \
  --net=host \
  -e PYTHONUNBUFFERED=1 \
  --device /dev/hailo0:/dev/hailo0 \
  -v /usr/lib/libhailort.so.4.23.0:/usr/lib/libhailort.so.4.23.0:ro \
  -v /usr/lib/libhailort.so:/usr/lib/libhailort.so:ro \
  ghcr.io/seeed-projects/recomputer-hailo8-cv/tiny_yolov4:latest \
  python web_detection.py --model_path model/tiny_yolov4.hef --video_path video/test.mp4

Öffnen Sie http://<Board_IP>:8000 für die Webvorschau.

USB-Kameramodus

bash

sudo docker run --rm \
  --name cm5-hailo8-tiny-yolov4 \
  --privileged \
  --net=host \
  -e PYTHONUNBUFFERED=1 \
  --device /dev/hailo0:/dev/hailo0 \
  --device /dev/video0:/dev/video0 \
  -v /usr/lib/libhailort.so.4.23.0:/usr/lib/libhailort.so.4.23.0:ro \
  -v /usr/lib/libhailort.so:/usr/lib/libhailort.so:ro \
  ghcr.io/seeed-projects/recomputer-hailo8-cv/tiny_yolov4:latest \
  python web_detection.py --model_path model/tiny_yolov4.hef --camera_id 0

REST-API

text

POST http://<Board_IP>:8000/api/models/tiny_yolov4/predict

bash

curl -X POST "http://<Board_IP>:8000/api/models/tiny_yolov4/predict" \
  -F "file=@test.jpg"

Endpunkt	Methode	Zweck
`/`	GET	Webvorschau-Oberfläche
`/api/models/tiny_yolov4/predict`	POST	Erkennungen (JSON)
`/api/video_feed`	GET	MJPEG-Vorschaustream

Implementierungshinweise

Gleiche Ein-/Ausgabe und Nachverarbeitung wie Tiny-YOLOv3 (gleiche base/yolo.yaml, Anchors und YOLOv3-CPU-Decodierung); nur das Backbone unterscheidet sich (YOLOv4-tiny).
Kein NMS auf dem Chip: rohe YOLOv3-Köpfe, CPU-Decodierung (Sigmoid + Anchors + NMS).
normalize_in_net std=255 (÷255) + padding_color=114 (grau). Liefert nach Letterboxing rohe uint8-RGB-Daten.

Entwicklungshinweise

Quellmodul: src/rpi5_hailo8_tiny_yolov4/
Dockerfile: docker/hailo8/tiny_yolov4.dockerfile
Container: ghcr.io/seeed-projects/recomputer-hailo8-cv/tiny_yolov4:latest
Familie: yolo (Varianten tiny_yolov3 / tiny_yolov4); dies ist der v4-Build.

Eingaben und Ausgaben

Input: image, video, or USB camera frame. Output: COCO 80-class detection boxes with confidences, plus an annotated MJPEG preview.