CV / Matrículas

Tiny-YOLOv4 Detección de matrículas

reComputer R Series (CM5 + Hailo-10H)

Detección de matrículas de una sola clase en reComputer R Series con Hailo-8 o Hailo-10H.

55 descargas

Tamaño

8.21 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-plate-detector \
  --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_yolov4_license_plates:latest \
  python web_detection.py --model_path model/tiny_yolov4_license_plates.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_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())

Detalles del modelo

reComputer R Series (CM5 + Hailo-10H)

Tiny-YOLOv4 License Plates en reComputer CM5 + Hailo-10H

Tiny-YOLOv4 detecta matrículas (una sola clase) en Hailo-10H mediante HailoRT 5.1.1. El HEF expone 2 cabezas YOLO sin procesar; la decodificación de anclas y NMS se ejecutan en la CPU.

Información del modelo

Propiedad	Valor
Tarea	Detección de matrículas (una clase)
Entrada	416x416x3
Salida	Cabezas YOLO sin procesar 13x13x18 y 26x26x18
HEF	Hailo Model Zoo v5.4.0, Hailo-10H (5.1 MB)

Configuración del hardware y del host

Elemento	Valor
Placa	reComputer R Series con Raspberry Pi CM5
Acelerador	Hailo-10H por PCIe, disponible como `/dev/hailo0`
Controlador del host	Paquete apt `hailo-h10-all`
Entorno de ejecución	HailoRT 5.1.1
Python en el 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-plate-detector \
  --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_yolov4_license_plates:latest \
  python web_detection.py --model_path model/tiny_yolov4_license_plates.hef --video_path video/test.mp4

API REST

bash

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

Notas de desarrollo

Módulo fuente: src/hailo10h_tiny_yolov4_license_plates/
Dockerfile: docker/hailo10h/tiny_yolov4_license_plates.dockerfile
Contenedor: ghcr.io/seeed-projects/recomputer-hailo10h-cv/tiny_yolov4_license_plates:latest
El ejecutor encapsula create_infer_model de múltiples salidas de HailoRT 5.1.1.
HEF: compilación hailo10h de Hailo Model Zoo v5.4.0.

Entradas y salidas

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