← Modelos

CV / YOLOv10

YOLOv10

YOLOv10n es el detector YOLOv10 ligero integrado en la demo R20 HailoRT.

8 descargas
Tamaño
7.36 MB
Memoria
4GB+
Precisión
RKNN / Hailo HEF

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

Primeros pasos

Desplegar
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

Detalles del modelo

reComputer RK

YOLOv10 en reComputer RK3576 y RK3588

Este despliegue RKNN procede de los módulos YOLOv10 de reComputer-RK-CV. Implementa el posprocesamiento Top-K de dos etapas, de extremo a extremo y sin NMS.

Información del modelo

PropiedadValor
TareaDetección de objetos COCO de 80 clases
Entrada640 x 640, con letterbox y conversión de BGR a RGB
Variantesyolov10n.rknn, yolov10s.rknn
Predeterminadomodel/yolov10n.rknn
PosprocesamientoSelección Top-K de extremo a extremo sin NMS

Ejecutar el servicio

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

Seleccione YOLOv10s con --model_path model/yolov10s.rknn. Sustituya el argumento de vídeo por --camera_id -1 para el modo de solo carga.

Argumentos de inicio

ArgumentoPredeterminadoDescripción
--platformObligatoriork3576 o rk3588.
--model_pathObligatorioArchivo RKNN YOLOv10n o YOLOv10s.
--camera_id1Índice de cámara; -1 deshabilita la captura.
--video_pathNingunoMP4 local en bucle; prevalece sobre la cámara.
--class_pathEtiquetas COCOLista de clases de sustitución opcional.
--host / --port0.0.0.0 / 8000Dirección y puerto del servicio.

REST API

Endpoint: 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"

Ejemplo de respuesta:

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}
}

La API acepta iou por compatibilidad con el servicio de detección estándar, pero el posprocesamiento sin NMS de YOLOv10 no lo utiliza. La confianza global de GET/POST /api/config se aplica a la vista previa y al análisis sin conexión.

El servicio también expone estado, MJPEG, carga de vídeo, análisis asíncrono, estado, lista y descarga. Los archivos se escriben de forma predeterminada en workspace/. Un modelo de sustitución debe conservar el tamaño de entrada y los tensores de salida esperados por el decodificador sin NMS de web_detection.py.

Compilar localmente

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

Entradas y salidas

Entrada: imagen, vídeo o fotograma de cámara USB. Salida: cuadros de detección, clases, niveles de confianza y vista previa MJPEG anotada.