← Modelle

CV / Kennzeichen

Tiny-YOLOv4 Kennzeichendetektion

reComputer R Series (CM5 + Hailo-8)

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

59 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.

Erste Schritte

Bereitstellen
sudo docker run --rm \
  --name cm5-hailo8-lp-detector \
  --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_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-8)

Tiny-YOLOv4 License Plates auf CM5 + Hailo-8

Modellinformationen

Dieser Einklassendetektor verwendet das offizielle Hailo-8-HEF aus Hailo Model Zoo v2.17. Er verarbeitet ein 416x416-RGB-Bild und liefert rohe Köpfe mit 13x13x18 und 26x26x18. Die Anwendung führt Sigmoid-Aktivierung, Anchor-/Gitterdecodierung, Schwellwertprüfung und NMS auf der CPU aus.

Model Zoo nennt 74.083 mAP auf Hailos internem Kennzeichendatensatz. Das sind Quelldaten, kein lokaler CM5-Benchmark.

Demovideo

Der enthaltene Clip mit 33.17 Sekunden, 1280x720 und H.264 wurde aus dem offiziellen Standard-LPR-Video von Hailo TAPPAS v3.29 transcodiert:

https://hailo-tappas.s3.eu-west-2.amazonaws.com/v3.29/general/media/lpr_ayalon.mp4

Er zeigt Fahrzeuge, die sich einer fest installierten, erhöhten Verkehrskamera nähern; numerische Kennzeichen sind über die gesamte Sequenz sichtbar.

Ausführen

bash
sudo docker run --rm \
  --name cm5-hailo8-lp-detector \
  --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_license_plates:latest \
  python web_detection.py --model_path model/tiny_yolov4_license_plates.hef --video_path video/test.mp4

Öffnen Sie http://<Board_IP>:8000.

REST-API

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

Die Antwort enthält je Erkennung eine license_plate-Konfidenz und eine xyxy-Box in Pixeln.

Quellen und Validierung

  • HEF: Hailo Model Zoo v2.17, Zielplattform Hailo-8.
  • Netzwerkdaten: tiny_yolov4_license_plates.yaml aus Model Zoo v2.17.
  • Video und offizielle Pipeline: Hailo TAPPAS v3.29.

Eingaben und Ausgaben

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