← Modelle

CV / YOLOv10

YOLOv10

YOLOv10n ist der leichtgewichtige YOLOv10-Detektor, verpackt in der R20 HailoRT-Demo.

8 Downloads
Größe
7.36 MB
Speicher
4GB+
Präzision
RKNN / Hailo HEF

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

Erste Schritte

Bereitstellen
sudo docker run --rm --privileged --net=host --device /dev/dri/renderD128:/dev/dri/renderD128 \
  -v /proc/device-tree/compatible:/proc/device-tree/compatible:ro \
  ghcr.io/seeed-projects/recomputer-rk-cv/rk3576-yolov10:latest \
  python3 web_detection.py --platform rk3576 --model_path model/yolov10n.rknn --video_path video/test.mp4

Modelldetails

reComputer RK

YOLOv10 auf reComputer RK3576 und RK3588

Diese RKNN-Bereitstellung stammt aus den YOLOv10-Modulen in reComputer-RK-CV. Sie implementiert die zweistufige End-to-End-Top-K-Nachverarbeitung ohne NMS.

Modellinformationen

EigenschaftWert
AufgabeCOCO-Objekterkennung mit 80 Klassen
Eingabe640 x 640, letterboxed und von BGR nach RGB konvertiert
Variantenyolov10n.rknn, yolov10s.rknn
Standardmodel/yolov10n.rknn
NachverarbeitungEnd-to-End-Top-K-Auswahl ohne NMS

Dienst starten

RK3576

bash
sudo docker run --rm --privileged --net=host \
  --device /dev/dri/renderD128:/dev/dri/renderD128 \
  -v /proc/device-tree/compatible:/proc/device-tree/compatible:ro \
  ghcr.io/seeed-projects/recomputer-rk-cv/rk3576-yolov10:latest \
  python3 web_detection.py --platform rk3576 \
  --model_path model/yolov10n.rknn --video_path video/test.mp4

RK3588

bash
sudo docker run --rm --privileged --net=host \
  --device /dev/dri/renderD128:/dev/dri/renderD128 \
  -v /proc/device-tree/compatible:/proc/device-tree/compatible:ro \
  ghcr.io/seeed-projects/recomputer-rk-cv/rk3588-yolov10:latest \
  python3 web_detection.py --platform rk3588 \
  --model_path model/yolov10n.rknn --video_path video/test.mp4

Wählen Sie YOLOv10s mit --model_path model/yolov10s.rknn. Ersetzen Sie für reinen Uploadbetrieb das Videoargument durch --camera_id -1.

Startargumente

ArgumentStandardBeschreibung
--platformErforderlichrk3576 oder rk3588.
--model_pathErforderlichYOLOv10n- oder YOLOv10s-RKNN-Datei.
--camera_id1Kameraindex; -1 deaktiviert die Aufnahme.
--video_pathKein WertLokale MP4-Schleife; überschreibt die Kamera.
--class_pathCOCO-LabelsOptionale Ersatzklassenliste.
--host / --port0.0.0.0 / 8000Dienstadresse und Port.

REST API

Endpunkt: POST /api/models/yolov10/predict

bash
curl -X POST "http://<BOARD_IP>:8000/api/models/yolov10/predict" \
  -F "file=@bus.jpg" -F "conf=0.25"

Beispielantwort:

json
{
  "success": true,
  "source": "uploaded image",
  "predictions": [
    {
      "class": "bus",
      "confidence": 0.91,
      "box": {"x1": 100, "y1": 120, "x2": 520, "y2": 430}
    }
  ],
  "image": {"width": 640, "height": 480}
}

Die API akzeptiert iou zur Kompatibilität mit dem Standarddienst, nutzt es aber nicht in der NMS-freien YOLOv10-Nachverarbeitung. Die globale Konfidenz aus GET/POST /api/config gilt für Vorschau und Offlineanalyse.

Der Dienst bietet außerdem Zustands-, MJPEG-, Upload-, asynchrone Analyse-, Status-, Listen- und Download-Endpunkte. Dateien werden standardmäßig unter workspace/ geschrieben. Ein Ersatzmodell muss Eingabegröße und Ausgabetensoren des NMS-freien Decoders in web_detection.py beibehalten.

Lokal bauen

bash
docker build -f docker/rk3576/yolov10.dockerfile \
  -t rk3576-yolov10:local src/rk3576_yolov10

docker build -f docker/rk3588/yolov10.dockerfile \
  -t rk3588-yolov10:local src/rk3588_yolov10

Eingaben und Ausgaben

Eingabe: Bild, Video oder USB-Kameraframe. Ausgabe: Erkennungsboxen, Klassen, Konfidenzen und annotierte MJPEG Vorschau.