CV / NanoDet

NanoDet-RepVGG

reComputer R Series (CM5 + Hailo-10H)

Détection d'objets COCO 80 classes avec NanoDet-RepVGG (NMS intégré) sur reComputer R Series avec Hailo-8 ou Hailo-10H.

47 téléchargements

Taille

10.7 MB

Mémoire

4GB+

Précision

Hailo HEF / HailoRT

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

Plateforme

Moteur d'inférence

Pour commencer

Déployer

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

API REST

Utilisez l'API REST pour exécuter l'inférence. Copiez les commandes ci-dessous.

Curl

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

Python

import requests

response = requests.post(
    "http://<Board_IP>:8000/api/models/nanodet_repvgg/predict",
    files={"file": open("test.jpg", "rb")},
    timeout=30,
)
print(response.json())

Détails du modèle

reComputer R Series (CM5 + Hailo-10H)

NanoDet-RepVGG sur reComputer CM5 + Hailo-10H

NanoDet-RepVGG effectue la détection d'objets COCO 80 classes sur Hailo-10H avec NMS intégré (Hailo HPP). Le HEF émet des détections déjà décodées et l'app analyse uniquement le tenseur post-NMS. Porté depuis le module Hailo-8 validé rpi5_hailo8_nanodet_repvgg ; l'exécuteur utilise le wrapper multi-sorties create_infer_model de HailoRT 5.1.1 avec sorties FLOAT32.

Informations sur le modèle

Propriété	Valeur
Architecture	NanoDet-RepVGG (COCO-80)
Tâche	Détection d'objets
Entrée	Lue du HEF au démarrage (affichée à la première exécution)
Sortie	Tenseur NMS intégré, forme post-NMS 80x5x100
Classes	80 (COCO, indexées à partir de 0, sans labels_offset)
HEF	Hailo Model Zoo v5.4.0, Hailo-10H (5.2 MB)

Matériel et configuration de l'hôte

Élément	Valeur
Carte	reComputer R Series avec Raspberry Pi CM5
Accélérateur	Hailo-10H via PCIe, exposé comme `/dev/hailo0`
Pilote hôte	paquet apt `hailo-h10-all`
Runtime	HailoRT 5.1.1
Python dans le conteneur	3.13, aarch64

bash

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

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

Exécuter avec la vidéo de démonstration

bash

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

Ouvrez http://<Board_IP>:8000 pour voir l'aperçu web. Pour une caméra USB, montez /dev/video0 et remplacez --video_path video/test.mp4 par --camera_id 0.

REST API

bash

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

Endpoint	Méthode	Description
`/health`	GET	Contrôle de santé
`/api/models/nanodet_repvgg/predict`	POST	Détections (JSON)
`/api/video_feed`	GET	Flux d'aperçu MJPEG

Notes d'implémentation

Le HEF exécute le NMS en puce ; l'app analyse uniquement le tenseur post-NMS, donc nms_thresh est ignoré (parité d'API uniquement).
Les lignes post-NMS sont [ymin, xmin, ymax, xmax, score], normalisées à [0,1] de l'entrée letterbox ; l'app convertit en pixels et annule le letterbox.
La normalisation/transformation des couleurs est compilée dans le HEF ; l'app fait le letterbox et fournit des pixels uint8 bruts.
HailoRT peut renvoyer le vstream NMS comme liste ragged par classe (NMS-by-score) ; l'analyseur gère aussi les layouts object/dense. La première inférence journalise le type/forme bruts pour vérification.
Les sorties de l'exécuteur sont demandées en FormatType.FLOAT32 (déquantifiées par le SDK) ; lire les buffers quantifiés bruts produit des valeurs à dixaines de milliers et zéro détection valide.
Mappage des classes : cls_id (0..79) → liste COCO de 80 classes directement.

Source du modèle

nanodet_repvgg.hef est la compilation Hailo-10H de Hailo Model Zoo v5.4.0 — URL, SHA256 et taille enregistrés dans le dépôt (src/hailo10h_nanodet_repvgg/model/README.md).

Entrées et sorties

Input: image, video, or USB camera frame. Output: COCO 80-class detection boxes with confidences, plus an annotated MJPEG preview.