CV / YOLOv7

YOLOv7

Select the lightweight YOLOv7-Tiny or full YOLOv7 model with the model-path parameter.

2 descargas

Precisión

RKNN

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

Plataforma

Tamaño

Motor de inferencia

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-yolov7:latest \
  python3 web_detection.py --platform rk3576 --model_path model/yolov7-tiny.rknn \
  --anchors model/anchors_yolov7.txt --video_path video/test.mp4

API REST

Usa la API REST para ejecutar inferencia. Copia los comandos siguientes.

Curl

curl http://localhost:8080/v1/chat/completions -d '{
  "model": "yolov7-rknn",
  "messages": [{"role": "user", "content": "Hello"}]
}'

Python

import requests

resp = requests.post(
    "http://localhost:8080/v1/chat/completions",
    json={"model": "yolov7-rknn", "messages": [{"role": "user", "content": "Hello"}]},
)
print(resp.json())

Detalles del modelo

YOLOv7 en reComputer RK3576 y RK3588

Esta página documenta el servicio YOLOv7 RKNN de reComputer-RK-CV. Admite detección COCO, vista previa en navegador, inferencia REST, entrada de cámara y procesamiento MP4 sin conexión.

Información del modelo

Propiedad	Valor
Tarea	Detección de objetos COCO de 80 clases
Entrada	`640 x 640`, con letterbox y conversión de BGR a RGB
Variantes	`yolov7-tiny.rknn`, `yolov7.rknn`
Predeterminado	`model/yolov7-tiny.rknn`
Anclas	`model/anchors_yolov7.txt`

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-yolov7:latest \
  python3 web_detection.py --platform rk3576 \
  --model_path model/yolov7-tiny.rknn \
  --anchors model/anchors_yolov7.txt --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-yolov7:latest \
  python3 web_detection.py --platform rk3588 \
  --model_path model/yolov7-tiny.rknn \
  --anchors model/anchors_yolov7.txt --video_path video/test.mp4

Para usar YOLOv7 completo, cambie solo la ruta a model/yolov7.rknn. Mantenga el argumento de anclas. Use --camera_id -1 para el modo de solo carga.

Argumentos de inicio

Argumento	Predeterminado	Descripción
`--platform`	Obligatorio	`rk3576` o `rk3588`.
`--model_path`	Obligatorio	Archivo RKNN YOLOv7 Tiny o completo.
`--anchors`	Obligatorio	Archivo de anclas correspondiente al modelo convertido.
`--camera_id`	`1`	Índice de cámara; use `-1` solo para cargas.
`--video_path`	Ninguno	MP4 local en bucle; prevalece sobre la cámara.
`--class_path`	Etiquetas COCO	Lista de clases de sustitución opcional.
`--host` / `--port`	`0.0.0.0` / `8000`	Dirección y puerto del servicio.

REST API

Endpoint: POST /api/models/yolov7/predict

bash

curl -X POST "http://<BOARD_IP>:8000/api/models/yolov7/predict" \
  -F "file=@bus.jpg" -F "conf=0.25" -F "iou=0.45"

json

{
  "success": true,
  "source": "uploaded image",
  "predictions": [
    {
      "class": "bus",
      "confidence": 0.92,
      "box": {"x1": 100, "y1": 120, "x2": 520, "y2": 430}
    }
  ],
  "image": {"width": 640, "height": 480}
}

La interfaz multipart acepta solicitudes de imagen, fotograma MP4 y fuente en directo. GET/POST /api/config controla los umbrales predeterminados de confianza y NMS. Los endpoints de estado, MJPEG, carga, análisis, progreso, lista y descarga siguen la estructura estándar. Los archivos usan workspace/ de forma predeterminada. Los modelos de sustitución necesitan un archivo de anclas, tamaño de entrada, configuración de clases y disposición de salida compatibles.

Compilar localmente

bash

docker build -f docker/rk3576/yolov7.dockerfile \
  -t rk3576-yolov7:local src/rk3576_yolov7

docker build -f docker/rk3588/yolov7.dockerfile \
  -t rk3588-yolov7:local src/rk3588_yolov7

Entradas y salidas

Input: image, video frame, or camera frame. Output: COCO classes, confidence scores, and boxes.