CV / Tiny Yolo

Tiny-YOLOv3

Détection d'objets COCO 80 classes avec Tiny-YOLOv3 (décodage YOLOv3 sur CPU) sur reComputer R Series avec Hailo-8 ou Hailo-10H.

23 téléchargements

Taille

8.4 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.

Plateforme

Moteur d'inférence

Pour commencer

Déployer

sudo docker run --rm \
  --name cm5-hailo8-tiny-yolov3 \
  --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/tiny_yolov3:latest \
  python web_detection.py --model_path model/tiny_yolov3.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/tiny_yolov3/predict" \
  -F "file=@test.jpg"

Python

import requests

response = requests.post(
    "http://<Board_IP>:8000/api/models/tiny_yolov3/predict",
    files={"file": open("test.jpg", "rb")},
    timeout=30,
)
print(response.json())

Détails du modèle

reComputer R Series

Tiny-YOLOv3 sur reComputer R Series (CM5 + Hailo-8)

Tiny-YOLOv3 détecte 80 classes d'objets COCO sur Hailo-8. Contrairement aux modèles à NMS intégré (SSD, EfficientDet, NanoDet), il sort des têtes YOLOv3 brutes et effectue le décodage complet de la grille (sigmoid + ancre + NMS) sur le CPU. Première variante de la série tiny_yolo (tiny_yolov3 / tiny_yolov4).

Cette page cible les reComputer R Series (CM5 + Hailo-8) avec un accélérateur Hailo-8 PCIe.

Informations sur le modèle

Propriété	Valeur
Architecture	Tiny-YOLOv3 (base/yolo.yaml)
Tâche	Détection d'objets
Entrée	416x416x3 RGB (normalize_in_net std=255)
Sortie	2 têtes brutes : 13x13x255 (stride 32) + 26x26x255 (stride 16)
Classes	80 (COCO, indexées à partir de 0)
Paramètres	8.85M
Opérations	5.58G
Post-traitement	Décodage YOLOv3 sur CPU (PAS de NMS intégré)
HEF	Hailo Model Zoo v2.19.0, Hailo-8

Matériel et configuration de l'hôte

bash

sudo apt update
sudo apt install hailort hailort-pcie-driver python3-hailort
sudo reboot
hailortcli --version
hailortcli fw-control identify
ls -l /dev/hailo0

Exécuter avec la vidéo de démonstration

bash

sudo docker run --rm \
  --name cm5-hailo8-tiny-yolov3 \
  --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/tiny_yolov3:latest \
  python web_detection.py --model_path model/tiny_yolov3.hef --video_path video/test.mp4

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

Mode caméra USB

bash

sudo docker run --rm \
  --name cm5-hailo8-tiny-yolov3 \
  --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/tiny_yolov3:latest \
  python web_detection.py --model_path model/tiny_yolov3.hef --camera_id 0

REST API

text

POST http://<Board_IP>:8000/api/models/tiny_yolov3/predict

bash

curl -X POST "http://<Board_IP>:8000/api/models/tiny_yolov3/predict" \
  -F "file=@test.jpg"

Endpoint	Méthode	Rôle
`/`	GET	Interface d'aperçu web
`/api/models/tiny_yolov3/predict`	POST	Détections (JSON)
`/api/video_feed`	GET	Flux d'aperçu MJPEG

Notes d'implémentation

Pas de NMS intégré — le HEF sort des têtes YOLOv3 brutes ; l'application effectue tout le décodage sur CPU : sigmoid sur obj + scores de classe, décodage de grille basé sur les ancres, NMS.
Décodage (_yolo3_decode du yolo.py officiel) : center = (sigmoid(raw_xy) + grid) * stride, scale = exp(raw_wh) * anchor, score = sigmoid(obj) * sigmoid(cls).
normalize_in_net std=255 (÷255) + padding_color=114 (gris). L'application fournit des pixels RGB uint8 bruts après le letterboxing.
3 ancres par échelle : stride 32 → [[81,82],[135,169],[344,319]], stride 16 → [[23,27],[37,58],[81,82]].
La première inférence journalise les formes des têtes pour vérification (SOP §10).

Notes de développement

Module source : src/rpi5_hailo8_tiny_yolov3/
Dockerfile : docker/hailo8/tiny_yolov3.dockerfile
Conteneur : ghcr.io/seeed-projects/recomputer-hailo8-cv/tiny_yolov3:latest
Famille : yolo (variantes tiny_yolov3 / tiny_yolov4) ; il s'agit de la version v3.

Entrées et sorties

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