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.
Elige el dispositivo que estás usando. La guía de configuración y la documentación se actualizarán en consecuencia.
Primeros pasos
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.mp4Detalles 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
| Variante | Entrada | HEF incluido | mAP float / Hailo-8 | FPS (batch 1) | Parámetros / operaciones | Contenedor |
|---|---|---|---|---|---|---|
| YOLOv3 | 608×608×3 | 54.7 MB | 38.4 / 38.3 | 37.8 | 68.79M / 158.10G | yolov3 |
| YOLOv3-416 | 416×416×3 | 56.6 MB | 37.7 / 37.6 | 47.8 | 61.92M / 65.94G | yolov3_416 |
| YOLOv3-Gluon | 608×608×3 | 50.8 MB | 37.3 / 35.8 | 38.1 | 68.79M / 140.7G | yolov3_gluon |
| YOLOv3-Gluon-416 | 416×416×3 | 56.2 MB | 36.3 / 34.3 | 49.0 | 61.92M / 65.94G | yolov3_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 |
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 dockerEjecutar con vídeo de demostración
Selecciona el comando correspondiente a la variante del modelo.
YOLOv3
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.mp4YOLOv3-416
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.mp4YOLOv3-Gluon
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.mp4YOLOv3-Gluon-416
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.mp4Abre 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
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 0Cambia yolov3 por el nombre de imagen y modelo de otra variante para ejecutar YOLOv3-416, YOLOv3-Gluon o YOLOv3-Gluon-416.
REST API
| Endpoint | Método |
|---|---|
| YOLOv3 | POST /api/models/yolov3/predict |
| YOLOv3-416 | POST /api/models/yolov3_416/predict |
| YOLOv3-Gluon | POST /api/models/yolov3_gluon/predict |
| YOLOv3-Gluon-416 | POST /api/models/yolov3_gluon_416/predict |
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'smodel/README.md
Entradas y salidas
Entrada: imagen, vídeo o fotograma de cámara USB. Salida: cajas COCO de 80 clases, confianza y vista previa MJPEG.