YOLOv5

YOLOv5 en reComputer R Series (CM5 + Hailo-10H)

YOLOv5s y YOLOv5m realizan detección de objetos COCO de 80 clases en Hailo-10H mediante HailoRT. El NMS y el sigmoid se ejecutan en chip (Hailo HPP), así que el host solo analiza el tensor post-NMS.

Esta página está dirigida a reComputer R Series (CM5 + Hailo-10H) con un acelerador PCIe Hailo-10H.

Hardware y configuración del host

Instala los paquetes de Hailo-10H en el host y confirma que el driver y el dispositivo están listos antes de iniciar el contenedor:

sudo apt update
sudo apt install hailo-h10-all -y
sudo reboot

# After reboot
hailortcli --version
hailortcli fw-control identify
ls -l /dev/hailo0

La versión esperada de HailoRT para estas imágenes es 5.1.1.

Ejecución con el vídeo de demostración

YOLOv5s:

sudo docker run --rm \
  --name cm5-hailo10h-yolov5s \
  --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/yolov5s:latest \
  python web_detection.py --model_path model/yolov5s.hef --video_path video/test.mp4

YOLOv5m:

sudo docker run --rm \
  --name cm5-hailo10h-yolov5m \
  --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/yolov5m:latest \
  python web_detection.py --model_path model/yolov5m.hef --video_path video/test.mp4

Abre http://<Board_IP>:8000 para ver la vista previa web.

Modo cámara USB

sudo docker run --rm \
  --name cm5-hailo10h-yolov5s \
  --privileged \
  --net=host \
  -e PYTHONUNBUFFERED=1 \
  --device /dev/hailo0:/dev/hailo0 \
  --device /dev/video0:/dev/video0 \
  -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/yolov5s:latest \
  python web_detection.py --model_path model/yolov5s.hef --camera_id 0

Sustituye yolov5s por yolov5m para usar la variante mediana.

Archivos HEF

YOLOv5s es la variante pequeña y YOLOv5m la mediana; ambas son builds de Hailo Model Zoo v5.4.0 para Hailo-10H.

Source: https://hailo-model-zoo.s3.eu-west-2.amazonaws.com/ModelZoo/Compiled/v5.4.0/hailo10h/yolov5s.hef (yolov5m.hef in the same directory).

REST API

POST http://<Board_IP>:8000/api/models/yolov5s/predict

curl -X POST "http://<Board_IP>:8000/api/models/yolov5s/predict" \
  -F "file=@test.jpg"

Notas de implementación

• El HEF ejecuta NMS y sigmoid en chip (zoo base/yolo.yaml: nms: true, hpp: true), por lo que nms_thresh solo se acepta por compatibilidad de API.
• Las filas post-NMS son [ymin, xmin, ymax, xmax, score], normalizadas a [0,1] de la entrada con letterbox de 640x640; la aplicación escala a píxeles y deshace el letterbox.
• El HEF incorpora normalize_in_net (mean 0 / std 255, es decir /255) y padding_color=114: la aplicación aplica letterbox con gris (114) y envía uint8 RGB sin normalizar.
• Los IDs de clase 0..79 indexan directamente la lista estándar de COCO (la evaluación del Model Zoo usa labels_offset=1).
• El Model Zoo documenta la forma post-NMS como 80x5x80; el analizador acepta el formato real en tiempo de ejecución y lo registra una vez ([YOLOv5] raw output type=..., shape=...).
• Valores por defecto: confianza 0.25; el deslizador de IOU no tiene efecto porque el NMS está en chip.

Notas de desarrollo

• Módulos fuente: src/hailo10h_yolov5s/, src/hailo10h_yolov5m/
• Dockerfiles: docker/hailo10h/yolov5s.dockerfile, docker/hailo10h/yolov5m.dockerfile
• Contenedores: ghcr.io/seeed-projects/recomputer-hailo10h-cv/yolov5s:latest, .../yolov5m:latest
• Ambos módulos usan la API InferModel de HailoRT 5.1.1 y HEF específicos de Hailo-10H.
• Las pruebas unitarias se ejecutan sin dispositivo: python -m unittest discover -s tests -v.