CV / Tiny Yolo

Tiny-YOLOv3

reComputer R Series (CM5 + Hailo-10H)

Detección de objetos de 80 clases COCO con Tiny-YOLOv3 (decodificado YOLOv3 en CPU) en reComputer R Series con Hailo-8 o Hailo-10H.

43 descargas

Tamaño

8.4 MB

Memoria

4GB+

Precisión

Hailo HEF / HailoRT 4.23.x (Hailo-8) / 5.1.1 (Hailo-10H)

Elige el dispositivo que estás usando. La guía de configuración y la documentación se actualizarán en consecuencia.

Plataforma

Motor de inferencia

Primeros pasos

Desplegar

sudo docker run --rm \
  --name cm5-hailo10h-tiny-yolov3 \
  --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_yolov3:latest \
  python web_detection.py --model_path model/tiny_yolov3.hef --video_path video/test.mp4

API REST

Usa la API REST para ejecutar inferencia. Copia los comandos siguientes.

Curl

curl -X POST "http://<Board_IP>:8000/api/models/tiny_yolov3/predict" \
  -F "file=@test.jpg"

Python

import requests

response = requests.post(
    "http://<Board_IP>:8000/api/models/tiny_yolov3/predict",
    files={"file": open("test.jpg", "rb")},
    timeout=30,
)
print(response.json())

Detalles del modelo

reComputer CM5 + Hailo-10H

Tiny-YOLOv3 en reComputer CM5 + Hailo-10H

Tiny-YOLOv3 realiza detección de objetos de 80 clases COCO en Hailo-10H a través de HailoRT 5.1.1. El HEF expone 2 cabezas YOLO sin procesar (13x13x255, 26x26x255); el decodificado de anclas y el NMS se ejecutan en la CPU del host.

Información del modelo

Propiedad	Valor
Arquitectura	Tiny-YOLOv3 (COCO-80)
Tarea	Detección de objetos
Entrada	416x416x3 BGR, redimensionado con conservación de proporción + relleno con ceros (mobilenet_ssd_ar)
Salida	2 cabezas: 13x13x255 (stride 32), 26x26x255 (stride 16)
Parámetros	8.85M
Operaciones	5.58G
mAP (COCO, precisión completa)	14.59% (referencia de hardware)
HEF	Hailo Model Zoo v5.4.0, Hailo-10H (7.1 MB)

Hardware y configuración del host

Elemento	Valor
Placa	reComputer R Series con Raspberry Pi CM5
Acelerador	Hailo-10H vía PCIe, expuesto como `/dev/hailo0`
Driver del host	paquete apt `hailo-h10-all`
Runtime	HailoRT 5.1.1
Python en contenedor	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

Ejecutar con vídeo de demostración

bash

sudo docker run --rm \
  --name cm5-hailo10h-tiny-yolov3 \
  --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_yolov3:latest \
  python web_detection.py --model_path model/tiny_yolov3.hef --video_path video/test.mp4

Abre http://<Board_IP>:8000 para ver la vista previa web.

REST API

bash

curl -X POST "http://<Board_IP>:8000/api/models/tiny_yolov3/predict"   -F "file=@test.jpg"

Notas de implementación

Anclas/strides verificados contra el YAML 10H de Model Zoo v5.4.0: stride 32 {[81,82],[135,169],[344,319]}, stride 16 {[23,27],[37,58],[81,82]}.
Preprocesamiento: redimensionado con conservación de proporción + relleno con ceros, BGR sin procesar (la configuración no tiene bgr_to_rgb y la normalización es 0/255) — NO el letterbox RGB con gris 114.
El ejecutor es el envoltorio FLOAT32 de múltiples salidas de HailoRT 5.1.1; la primera inferencia imprime el rango de valores de cada cabeza según la lista de verificación de aceptación del SOP.

Notas de desarrollo

Módulo de origen: src/hailo10h_tiny_yolov3/
Dockerfile: docker/hailo10h/tiny_yolov3.dockerfile
Contenedor: ghcr.io/seeed-projects/recomputer-hailo10h-cv/tiny_yolov3:latest

Entradas y salidas

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