CV / YOLOv3

YOLOv3

reComputer R Series (CM5 + Hailo-8)

Detección COCO con YOLOv3 / YOLOv3-416 / YOLOv3-Gluon / YOLOv3-Gluon-416 en reComputer R Series con Hailo-8 o Hailo-10H.

12 descargas
Tamaño
54.7 MB
Memoria
4GB+
Precisión
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 \
  --name pi5-hailo8-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/yolov3:latest \
  python web_detection.py --model_path model/yolov3.hef --video_path video/test.mp4

Detalles del modelo

reComputer R Series (CM5 + Hailo-8)

Detección COCO con YOLOv3 / YOLOv3-416 / YOLOv3-Gluon / YOLOv3-Gluon-416 en reComputer R Series (CM5 + Hailo-8)

Las cuatro variantes de YOLOv3 detectan 80 clases COCO en Hailo-8 mediante HailoRT 4.23.x. Cada HEF devuelve tres cabezas YOLOv3 sin procesar; el host realiza la decodificación completa (sigmoid + anchors + NMS) y dibuja las cajas en la vista previa MJPEG. Las variantes comparten el mismo servicio web.

Información del modelo

VarianteEntradaHEF incluidomAP float / Hailo-8FPS (batch 1)Parámetros / operacionesContenedor
YOLOv3608×608×354.7 MB38.4 / 38.337.868.79M / 158.10Gyolov3
YOLOv3-416416×416×356.6 MB37.7 / 37.647.861.92M / 65.94Gyolov3_416
YOLOv3-Gluon608×608×350.8 MB37.3 / 35.838.168.79M / 140.7Gyolov3_gluon
YOLOv3-Gluon-416416×416×356.2 MB36.3 / 34.349.061.92M / 65.94Gyolov3_gluon_416

Hardware y configuración del host

| Placa | Acelerador | Tiempo de ejecución | Python en el contenedor | |---|---| | Placa | reComputer R Series con Raspberry Pi CM5 | | Acelerador | Hailo-8 por PCIe, expuesto como /dev/hailo0 | | Tiempo de ejecución | HailoRT 4.23.x (host y contenedor deben compartir major.minor) | | Python en el contenedor | 3.11, aarch64 |

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

# Tras reiniciar
hailortcli fw-control identify
ls /dev/hailo0

# Docker
curl -fsSL https://get.docker.com -o get-docker.sh
sudo sh get-docker.sh --mirror Aliyun
sudo systemctl enable docker
sudo systemctl start docker

Ejecutar con vídeo de demostración

Selecciona el comando correspondiente a la variante del modelo.

YOLOv3

bash
sudo docker run --rm \
  --name pi5-hailo8-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/yolov3:latest \
  python web_detection.py --model_path model/yolov3.hef --video_path video/test.mp4

YOLOv3-416

bash
sudo docker run --rm \
  --name pi5-hailo8-yolov3-416 \
  --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/yolov3_416:latest \
  python web_detection.py --model_path model/yolov3_416.hef --video_path video/test.mp4

YOLOv3-Gluon

bash
sudo docker run --rm \
  --name pi5-hailo8-yolov3-gluon \
  --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/yolov3_gluon:latest \
  python web_detection.py --model_path model/yolov3_gluon.hef --video_path video/test.mp4

YOLOv3-Gluon-416

bash
sudo docker run --rm \
  --name pi5-hailo8-yolov3-gluon-416 \
  --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/yolov3_gluon_416:latest \
  python web_detection.py --model_path model/yolov3_gluon_416.hef --video_path video/test.mp4

Abre http://<Board_IP>:8000 para ver las detecciones. El archivo incluido video/test.mp4 es el clip de demostración usado para la verificación.

Modo cámara USB

bash
sudo docker run --rm \
  --name pi5-hailo8-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/yolov3:latest \
  python web_detection.py --model_path model/yolov3.hef --camera_id 0

Cambia yolov3 por el nombre de imagen y modelo de otra variante para ejecutar YOLOv3-416, YOLOv3-Gluon o YOLOv3-Gluon-416.

REST API

EndpointMétodo
YOLOv3POST /api/models/yolov3/predict
YOLOv3-416POST /api/models/yolov3_416/predict
YOLOv3-GluonPOST /api/models/yolov3_gluon/predict
YOLOv3-Gluon-416POST /api/models/yolov3_gluon_416/predict
bash
curl -X POST "http://<Board_IP>:8000/api/models/yolov3/predict" \
  -F "file=@test.jpg"

Las entradas de predictions incluyen la clase COCO, la confianza y la caja.

Notas de implementación

  • Los HEF exponen tres cabezas YOLOv3 sin procesar, sin NMS en el chip. El host ejecuta sigmoid, decodificación por anchors y NMS.
  • El preprocesamiento aplica letterbox al tamaño de entrada del HEF con relleno 114 y convierte BGR a RGB; la normalización está compilada en el HEF.
  • Anchors: stride 32 [[116,90],[156,198],[373,326]], stride 16 [[30,61],[62,45],[59,119]], stride 8 [[10,13],[16,30],[33,23]].
  • La primera inferencia registra la forma de cada cabeza.

Notas de desarrollo

  • Código: src/rpi5_hailo8_yolov3{,_416,_gluon,_gluon_416}/
  • Dockerfiles: docker/hailo8/yolov3{,_416,_gluon,_gluon_416}.dockerfile
  • Contenedores: ghcr.io/seeed-projects/recomputer-hailo8-cv/yolov3{,_416,_gluon,_gluon_416}:latest
  • HEF: Hailo Model Zoo v2.20.0 (hailo8), sizes and SHA256 in each module's model/README.md

Entradas y salidas

Entrada: imagen, vídeo o fotograma de cámara USB. Salida: cajas COCO de 80 clases, confianza y vista previa MJPEG.