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.

161 téléchargements
Taille
8.8 MB
Mémoire
4GB+
Précision
Hailo HEF / HailoRT 4.23.x (Hailo-8) / 5.1.1 (Hailo-10H)

Choisissez l'appareil que vous utilisez. Le guide de configuration et la documentation seront mis à jour en conséquence.

Pour commencer

Déployer
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.mp4

Détails 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

VarianteParamètresOpérationsmAP (COCO)HEF inclus
T (tinynasL20)11.35M18.0G42.88.8 MB
S (tinynasL25)16.25M37.6G46.514 MB
M (tinynasL35)33.98M61.6G49.727 MB
PropriétéValeur
TâcheDétection d'objets
Entrée640x640x3 RGB (la normalisation est un no-op ; uint8 brut)
Sortie6 têtes : box (80x80x68, 40x40x68, 20x20x68) + cls (80x80x81, 40x40x81, 20x20x81)
Classes80 (COCO)
Post-traitementnanodet_split (DFL, regression_length=16), sigmoid en puce uniquement
HEFHailo 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

ÉlémentValeur
CartereComputer R Series avec Raspberry Pi CM5
AccélérateurHailo-8 via PCIe, exposé comme /dev/hailo0
RuntimeHailoRT 4.23.x
Python dans le conteneur3.11, aarch64
bash
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 docker

Exécution avec la vidéo de démonstration

Sélectionnez la commande correspondant à la variante.

DAMO-YOLO T (tinynasL20)

bash
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.mp4

DAMO-YOLO S (tinynasL25)

bash
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.mp4

DAMO-YOLO M (tinynasL35)

bash
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.mp4

Ouvrez http://<Board_IP>:8000 pour afficher l'aperçu web.

Mode caméra USB (exemple : variante S)

bash
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 0

REST API

bash
curl -X POST "http://<Board_IP>:8000/api/models/damoyolo_tinynas_l25_s/predict" \
  -F "file=@test.jpg"
EndpointMéthodeRôle
/api/models/damoyolo_tinynas_<variant>/predictPOSTDétections (JSON)
/api/video_feedGETAperçu MJPEG
/api/configGET / POSTSeuil 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.