CV / YOLOX

YOLOX

reComputer R Series (CM5 + Hailo-10H)

COCO-Objekterkennung mit YOLOX auf reComputer RK3576, RK3588 und CM5 mit Hailo-8 oder Hailo-10H.

241 Downloads

Größe

5.5 MB

Speicher

4GB+

Präzision

RKNN / Hailo HEF

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-yolox-tiny \
  --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/yolox_tiny:latest \
  python web_detection.py --model_path model/yolox_tiny.hef --video_path video/test.mp4

REST API

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

Curl

curl http://localhost:8080/v1/chat/completions -d '{
  "model": "yolox-rknn",
  "messages": [{"role": "user", "content": "Hello"}]
}'

Python

import requests

resp = requests.post(
    "http://localhost:8080/v1/chat/completions",
    json={"model": "yolox-rknn", "messages": [{"role": "user", "content": "Hello"}]},
)
print(resp.json())

Modelldetails

reComputer R Series (CM5 + Hailo-10H)

YOLOX auf reComputer R Series (CM5 + Hailo-10H)

Die YOLOX-Dienste für Hailo-10H bieten COCO-Objekterkennung über 80 Klassen mit On-Chip-HPP-NMS. Die HEFs liefern bereits dekodierte Detektionen; die FastAPI-Anwendung bietet Bildinferenz, Video- und Kameraeingabe, eine MJPEG-Vorschau und Offline-Videoanalyse.

Modellinformationen

Variante	Eingabe	Mitgeliefertes HEF	Container-Image
YOLOX-Tiny	416x416x3 RGB	8,880,128 bytes	`yolox_tiny`
YOLOX-S-Leaky	640x640x3 RGB	14,520,320 bytes	`yolox_s_leaky`
YOLOX-L-Leaky	640x640x3 RGB	48,189,440 bytes	`yolox_l_leaky`

Alle drei Varianten nutzen Hailo-10H-HEFs aus dem Model Zoo v5.4.0 (Byte-Größen in der Tabelle).

Hardware und Host-Setup

Element	Wert
Board	reComputer R Series mit Raspberry Pi CM5
Beschleuniger	Hailo-10H über PCIe, verfügbar als `/dev/hailo0`
Runtime	HailoRT 5.1.1
Python im Container	3.13, aarch64

Host-Treiber, Firmware, native HailoRT-Bibliothek und Python-Wheel im Container müssen dieselbe HailoRT-Major/Minor-Version verwenden.

bash

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

# Nach dem Neustart
hailortcli --version
hailortcli fw-control identify
ls -l /dev/hailo0

Ausführung mit dem Demo-Video

YOLOX-Tiny

bash

sudo docker run --rm --privileged --net=host \
  --name cm5-hailo10h-yolox-tiny \
  -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/yolox_tiny:latest \
  python web_detection.py --model_path model/yolox_tiny.hef --video_path video/test.mp4

YOLOX-S-Leaky

bash

sudo docker run --rm --privileged --net=host \
  --name cm5-hailo10h-yolox-s-leaky \
  -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/yolox_s_leaky:latest \
  python web_detection.py --model_path model/yolox_s_leaky.hef --video_path video/test.mp4

YOLOX-L-Leaky

bash

sudo docker run --rm --privileged --net=host \
  --name cm5-hailo10h-yolox-l-leaky \
  -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/yolox_l_leaky:latest \
  python web_detection.py --model_path model/yolox_l_leaky.hef --video_path video/test.mp4

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

REST API

Jede Variante stellt ihre eigene Vorhersage-Route bereit:

Variante	Endpunkt
YOLOX-Tiny	`POST /api/models/yolox_tiny/predict`
YOLOX-S-Leaky	`POST /api/models/yolox_s_leaky/predict`
YOLOX-L-Leaky	`POST /api/models/yolox_l_leaky/predict`

bash

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

Die Antwort enthält COCO-Klassen-IDs, Konfidenzen und Boxen.

Entwicklungshinweise

Variante	Quelle	Dockerfile
YOLOX-Tiny	`src/hailo10h_yolox_tiny/`	`docker/hailo10h/yolox_tiny.dockerfile`
YOLOX-S-Leaky	`src/hailo10h_yolox_s_leaky/`	`docker/hailo10h/yolox_s_leaky.dockerfile`
YOLOX-L-Leaky	`src/hailo10h_yolox_l_leaky/`	`docker/hailo10h/yolox_l_leaky.dockerfile`

Eingaben und Ausgaben

Input: image, video frame, or camera frame. Output: COCO classes, confidence scores, and boxes.