← Modèles

CV / PaddleOCR

PaddleOCR v5 Mobile Detection

Text-region detection for document images on reComputer R Series with Hailo-8 or Hailo-10H.

24 téléchargements
Taille
5.49 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.

Pour commencer

Déployer
sudo docker run --rm \
  --name cm5-hailo8-paddle-ocr-v5-mobile-detection \
  --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/paddle_ocr_v5_mobile_detection:latest \
  python web_detection.py --model_path model/paddle_ocr_v5_mobile_detection.hef --video_path video/test.mp4

Détails du modèle

reComputer R Series (CM5 + Hailo-10H)

Détection PaddleOCR v5 Mobile sur reComputer R Series (CM5 + Hailo-10H)

PaddleOCR v5 Mobile Detection localise les régions de texte dans des images de documents sur Hailo-10H via HailoRT 5.1.1. La tête DB (Differentiable Binarization) produit une carte de probabilité ; les régions sont extraites sur le CPU sous forme de polygones quadrilatères.

Cette page cible la reComputer R Series (CM5 + Hailo-10H) avec un accélérateur Hailo-10H PCIe.

Informations sur le modèle

PropriétéValeur
ArchitecturePaddleOCR v5 Mobile (détecteur de texte DB)
TâcheDétection de texte
Entrée544×960×3
SortieCarte de probabilité des régions de texte → quadrilatères
Paramètres1.2M
Opérations6.5G
PrécisionMétrique DB 4.60 (référence Model Zoo)
HEFHailo Model Zoo v5.4.0, Hailo-10H

Configuration matérielle et de l'hôte

ÉlémentValeur
CartereComputer R Series avec Raspberry Pi CM5
AccélérateurHailo-10H sur PCIe, exposé en /dev/hailo0
Pilote hôtepaquet apt hailo-h10-all
RuntimeHailoRT 5.1.1 (hôte / conteneur doivent partager major.minor)
Python dans le conteneur3.13, aarch64
bash
sudo apt update
sudo apt install hailo-h10-all -y
sudo reboot

# Après le redémarrage
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

Exécuter avec une vidéo de démonstration

bash
sudo docker run --rm \
  --name hailo10h-paddle-ocr-detection \
  --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/paddle_ocr_v5_mobile_detection:latest \
  python web_detection.py --model_path model/paddle_ocr_v5_mobile_detection.hef --video_path video/test.mp4

Ouvrez http://<Board_IP>:8000 pour afficher l'aperçu web (quadrilatères verts autour des régions de texte détectées).

Mode caméra USB

bash
sudo docker run --rm \
  --name hailo10h-paddle-ocr-detection \
  --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/paddle_ocr_v5_mobile_detection:latest \
  python web_detection.py --model_path model/paddle_ocr_v5_mobile_detection.hef --camera_id 0

API REST

bash
curl -X POST "http://<Board_IP>:8000/api/models/paddle_ocr_v5_mobile_detection/predict" \
  -F "file=@test.png"
Point de terminaisonMéthodeObjectif
/api/models/paddle_ocr_v5_mobile_detection/predictPOSTPolygones des régions de texte (JSON)
/api/video_feedGETFlux d'aperçu MJPEG
/api/configGET / POSTSeuils de score / de binarisation des boîtes

Notes de développement

  • Module source : src/hailo10h_paddle_ocr_v5_mobile_detection/
  • Dockerfile : docker/hailo10h/paddle_ocr_v5_mobile_detection.dockerfile
  • Conteneur : ghcr.io/seeed-projects/recomputer-hailo10h-cv/paddle_ocr_v5_mobile_detection:latest
  • Post-traitement DB inchangé ; l'exécuteur utilise l'API create_infer_model de HailoRT 5.1.1.
  • Associez-le au module de reconnaissance au niveau de l'application pour lire le texte dans chaque région détectée.

Entrées et sorties

Input: full document image or demo video frame. Output: detected text-region polygons, bounding boxes, and annotated MJPEG preview.