CV / DAMO-YOLO
DAMO-YOLO
Détection d'objets COCO à 80 classes avec DAMO-YOLO (variantes T/S/M) sur reComputer série R avec Hailo-8 ou Hailo-10H.
Choisissez l'appareil que vous utilisez. Le guide de configuration et la documentation seront mis à jour en conséquence.
Pour commencer
sudo docker run --rm \
--name cm5-hailo8-damoyolo-l20t \
--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/damoyolo_tinynas_l20_t:latest \
python web_detection.py --model_path model/damoyolo_tinynas_l20_t.hef --video_path video/test.mp4Détails du modèle
reComputer R Series (CM5 + Hailo-8)DAMO-YOLO sur reComputer série R (CM5 + Hailo-8)
DAMO-YOLO utilise des backbones TinyNAS et la tête nanodet_split avec régression DFL pour détecter 80 classes COCO sur Hailo-8 via HailoRT. Une carte permet de sélectionner trois variantes depuis le menu de taille.
Cette page concerne le reComputer série R (CM5 + Hailo-8) équipé d'un accélérateur PCIe Hailo-8.
Informations sur le modèle
| Variante | Paramètres | Opérations | mAP (COCO) | HEF inclus |
|---|---|---|---|---|
| T (tinynasL20) | 11.35M | 18.0G | 42.8 | 8.8 MB |
| S (tinynasL25) | 16.25M | 37.6G | 46.5 | 14 MB |
| M (tinynasL35) | 33.98M | 61.6G | 49.7 | 27 MB |
| Propriété | Valeur |
|---|---|
| Tâche | Détection d'objets |
| Entrée | 640x640x3 RGB (la normalisation est un no-op ; uint8 brut) |
| Sortie | 6 têtes : box (80x80x68, 40x40x68, 20x20x68) + cls (80x80x81, 40x40x81, 20x20x81) |
| Classes | 80 (COCO) |
| Post-traitement | nanodet_split (DFL, regression_length=16), sigmoid en puce uniquement |
| HEF | Hailo Model Zoo v2.19.0, Hailo-8 |
Les valeurs de précision sont des références du Hailo Model Zoo et non des mesures réalisées sur CM5.
Configuration du matériel et de l'hôte
| Élément | Valeur |
|---|---|
| Carte | reComputer R Series avec Raspberry Pi CM5 |
| Accélérateur | Hailo-8 via PCIe, exposé comme /dev/hailo0 |
| Runtime | HailoRT 4.23.x |
| Python dans le conteneur | 3.11, aarch64 |
sudo apt update
sudo apt install hailo-all
sudo reboot
# After reboot
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 dockerExécution avec la vidéo de démonstration
Sélectionnez la commande correspondant à la variante.
DAMO-YOLO T (tinynasL20)
sudo docker run --rm \
--name cm5-hailo8-damoyolo-l20t \
--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/damoyolo_tinynas_l20_t:latest \
python web_detection.py --model_path model/damoyolo_tinynas_l20_t.hef --video_path video/test.mp4DAMO-YOLO S (tinynasL25)
sudo docker run --rm \
--name cm5-hailo8-damoyolo-l25s \
--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/damoyolo_tinynas_l25_s:latest \
python web_detection.py --model_path model/damoyolo_tinynas_l25_s.hef --video_path video/test.mp4DAMO-YOLO M (tinynasL35)
sudo docker run --rm \
--name cm5-hailo8-damoyolo-l35m \
--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/damoyolo_tinynas_l35_m:latest \
python web_detection.py --model_path model/damoyolo_tinynas_l35_m.hef --video_path video/test.mp4Ouvrez http://<Board_IP>:8000 pour afficher l'aperçu web.
Mode caméra USB (exemple : variante S)
sudo docker run --rm \
--name cm5-hailo8-damoyolo-l25s \
--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/damoyolo_tinynas_l25_s:latest \
python web_detection.py --model_path model/damoyolo_tinynas_l25_s.hef --camera_id 0REST API
curl -X POST "http://<Board_IP>:8000/api/models/damoyolo_tinynas_l25_s/predict" \
-F "file=@test.jpg"| Endpoint | Méthode | Rôle |
|---|---|---|
/api/models/damoyolo_tinynas_<variant>/predict | POST | Détections (JSON) |
/api/video_feed | GET | Aperçu MJPEG |
/api/config | GET / POST | Seuil de confiance |
Notes de développement
- Modules sources :
src/rpi5_hailo8_damoyolo_tinynas_l20_t/,..._l25_s/,..._l35_m/ - Dockerfiles :
docker/hailo8/damoyolo_tinynas_l*.dockerfile - Conteneurs :
ghcr.io/seeed-projects/recomputer-hailo8-cv/damoyolo_tinynas_l{20_t,25_s,35_m}:latest - Les trois variantes utilisent le même décodage nanodet_split sur CPU — seul le backbone (TinyNAS-L20/L25/L35) diffère.
- HEF : builds hailo8 de Hailo Model Zoo v2.19.0.
Entrées et sorties
Entrée : image, vidéo ou caméra USB. Sortie : boîtes de détection COCO à 80 classes avec scores de confiance et aperçu MJPEG annoté.