CV / Tiny Yolo

Tiny-YOLOv3

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

23 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-hailo8-tiny-yolov3 \
  --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_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 R Series

Tiny-YOLOv3 en reComputer R Series (CM5 + Hailo-8)

Tiny-YOLOv3 detecta 80 clases de objetos COCO en Hailo-8. A diferencia de los modelos con NMS en chip (SSD, EfficientDet, NanoDet), genera cabezas YOLOv3 sin procesar y realiza el decodificado completo de la cuadrícula (sigmoid + anchor + NMS) en la CPU. Primera variante de la serie tiny_yolo (tiny_yolov3 / tiny_yolov4).

Esta página está dirigida a reComputer R Series (CM5 + Hailo-8) con un acelerador Hailo-8 PCIe.

Información del modelo

Propiedad	Valor
Arquitectura	Tiny-YOLOv3 (base/yolo.yaml)
Tarea	Detección de objetos
Entrada	416x416x3 RGB (normalize_in_net std=255)
Salida	2 cabezas sin procesar: 13x13x255 (stride 32) + 26x26x255 (stride 16)
Clases	80 (COCO, indexadas desde 0)
Parámetros	8.85M
Operaciones	5.58G
Postprocesado	Decodificado YOLOv3 en CPU (SIN NMS en chip)
HEF	Hailo Model Zoo v2.19.0, Hailo-8

Hardware y configuración del host

bash

sudo apt update
sudo apt install hailort hailort-pcie-driver python3-hailort
sudo reboot
hailortcli --version
hailortcli fw-control identify
ls -l /dev/hailo0

Ejecutar con vídeo de demostración

bash

sudo docker run --rm \
  --name cm5-hailo8-tiny-yolov3 \
  --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_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.

Modo cámara USB

bash

sudo docker run --rm \
  --name cm5-hailo8-tiny-yolov3 \
  --privileged \
  --net=host \
  -e PYTHONUNBUFFERED=1 \
  --device /dev/hailo0:/dev/hailo0 \
  --device /dev/video0:/dev/video0 \
  -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_yolov3:latest \
  python web_detection.py --model_path model/tiny_yolov3.hef --camera_id 0

REST API

text

POST http://<Board_IP>:8000/api/models/tiny_yolov3/predict

bash

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

Endpoint	Método	Propósito
`/`	GET	Interfaz de vista previa web
`/api/models/tiny_yolov3/predict`	POST	Detecciones (JSON)
`/api/video_feed`	GET	Flujo de vista previa MJPEG

Notas de implementación

Sin NMS en chip — el HEF entrega cabezas YOLOv3 sin procesar; la aplicación realiza todo el decodificado en CPU: sigmoid sobre obj + puntuaciones de clase, decodificado de cuadrícula basado en anclas, NMS.
Decodificado (_yolo3_decode del yolo.py oficial): center = (sigmoid(raw_xy) + grid) * stride, scale = exp(raw_wh) * anchor, score = sigmoid(obj) * sigmoid(cls).
normalize_in_net std=255 (÷255) + padding_color=114 (gris). La aplicación introduce píxeles RGB uint8 sin procesar tras el letterboxing.
3 anclas por escala: stride 32 → [[81,82],[135,169],[344,319]], stride 16 → [[23,27],[37,58],[81,82]].
La primera inferencia registra las formas de las cabezas para verificación (SOP §10).

Notas de desarrollo

Módulo de origen: src/rpi5_hailo8_tiny_yolov3/
Dockerfile: docker/hailo8/tiny_yolov3.dockerfile
Contenedor: ghcr.io/seeed-projects/recomputer-hailo8-cv/tiny_yolov3:latest
Familia: yolo (variantes tiny_yolov3 / tiny_yolov4); esta es la versión v3.

Entradas y salidas

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