CV / Kennzeichen

Tiny-YOLOv4 Kennzeichendetektion

reComputer R Series (CM5 + Hailo-10H)

Erkennung von Kennzeichen als einzelne Klasse auf reComputer R Series mit Hailo-8 oder Hailo-10H.

57 Downloads

Größe

8.21 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

Inferenz-Engine

Erste Schritte

Bereitstellen

sudo docker run --rm \
  --name cm5-hailo10h-plate-detector \
  --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/tiny_yolov4_license_plates:latest \
  python web_detection.py --model_path model/tiny_yolov4_license_plates.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_license_plates/predict" \
  -F "file=@traffic.jpg"

Python

import requests

response = requests.post(
    "http://<Board_IP>:8000/api/models/tiny_yolov4_license_plates/predict",
    files={"file": open("traffic.jpg", "rb")},
    timeout=30,
)
print(response.json())

Modelldetails

reComputer R Series (CM5 + Hailo-10H)

Tiny-YOLOv4 License Plates auf reComputer CM5 + Hailo-10H

Tiny-YOLOv4 erkennt Kennzeichen (eine Klasse) über HailoRT 5.1.1 auf Hailo-10H. Das HEF stellt 2 rohe YOLO-Ausgabeköpfe bereit; Anchor-Decodierung und NMS laufen auf der CPU.

Modellinformationen

Eigenschaft	Wert
Aufgabe	Kennzeichenerkennung (eine Klasse)
Eingabe	416x416x3
Ausgabe	Rohe YOLO-Köpfe 13x13x18 und 26x26x18
HEF	Hailo Model Zoo v5.4.0, Hailo-10H (5.1 MB)

Hardware- und Hosteinrichtung

Eintrag	Wert
Board	reComputer R Series mit Raspberry Pi CM5
Beschleuniger	Hailo-10H über PCIe, verfügbar als `/dev/hailo0`
Hosttreiber	apt-Paket `hailo-h10-all`
Laufzeit	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

Mit Demovideo ausführen

bash

sudo docker run --rm \
  --name cm5-hailo10h-plate-detector \
  --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/tiny_yolov4_license_plates:latest \
  python web_detection.py --model_path model/tiny_yolov4_license_plates.hef --video_path video/test.mp4

REST-API

bash

curl -X POST "http://<Board_IP>:8000/api/models/tiny_yolov4_license_plates/predict"   -F "file=@plate.jpg"

Entwicklungshinweise

Quellmodul: src/hailo10h_tiny_yolov4_license_plates/
Dockerfile: docker/hailo10h/tiny_yolov4_license_plates.dockerfile
Container: ghcr.io/seeed-projects/recomputer-hailo10h-cv/tiny_yolov4_license_plates:latest
Der Executor kapselt das Mehrfachausgabe-create_infer_model von HailoRT 5.1.1.
HEF: hailo10h-Build von Hailo Model Zoo v5.4.0.

Eingaben und Ausgaben

Input: 416x416 RGB traffic frame. Output: license-plate confidence and xyxy box after raw-head decoding and CPU NMS.