CV / YOLOv3
YOLOv3
reComputer R Series (CM5 + Hailo-8)
Détection COCO avec YOLOv3 / YOLOv3-416 / YOLOv3-Gluon / YOLOv3-Gluon-416 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 pi5-hailo8-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/yolov3:latest \
python web_detection.py --model_path model/yolov3.hef --video_path video/test.mp4Détails du modèle
reComputer R Series (CM5 + Hailo-8)Détection COCO avec YOLOv3 / YOLOv3-416 / YOLOv3-Gluon / YOLOv3-Gluon-416 sur reComputer série R (CM5 + Hailo-8)
Les quatre variantes YOLOv3 détectent 80 classes COCO sur Hailo-8 via HailoRT 4.23.x. Chaque HEF fournit trois têtes YOLOv3 brutes ; l’hôte effectue le décodage complet (sigmoid + anchors + NMS) et dessine les boîtes dans l’aperçu MJPEG. Les variantes partagent le même service web.
Informations sur le modèle
| Variante | Entrée | HEF embarqué | mAP float / Hailo-8 | FPS (batch 1) | Paramètres / opérations | Conteneur |
|---|---|---|---|---|---|---|
| YOLOv3 | 608×608×3 | 54.7 MB | 38.4 / 38.3 | 37.8 | 68.79M / 158.10G | yolov3 |
| YOLOv3-416 | 416×416×3 | 56.6 MB | 37.7 / 37.6 | 47.8 | 61.92M / 65.94G | yolov3_416 |
| YOLOv3-Gluon | 608×608×3 | 50.8 MB | 37.3 / 35.8 | 38.1 | 68.79M / 140.7G | yolov3_gluon |
| YOLOv3-Gluon-416 | 416×416×3 | 56.2 MB | 36.3 / 34.3 | 49.0 | 61.92M / 65.94G | yolov3_gluon_416 |
Matériel et configuration de l'hôte
| Carte | Accélérateur | Environnement d’exécution | Python dans le conteneur |
|---|---|
| Carte | reComputer série R avec Raspberry Pi CM5 |
| Accélérateur | Hailo-8 en PCIe, exposé comme /dev/hailo0 |
| Environnement d’exécution | HailoRT 4.23.x (hôte et conteneur doivent partager major.minor) |
| Python dans le conteneur | 3.11, aarch64 |
sudo apt update
sudo apt install hailo-all -y
sudo reboot
# Après 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 dockerExécuter avec la vidéo de démonstration
Sélectionnez la commande correspondant à la variante du modèle.
YOLOv3
sudo docker run --rm \
--name pi5-hailo8-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/yolov3:latest \
python web_detection.py --model_path model/yolov3.hef --video_path video/test.mp4YOLOv3-416
sudo docker run --rm \
--name pi5-hailo8-yolov3-416 \
--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/yolov3_416:latest \
python web_detection.py --model_path model/yolov3_416.hef --video_path video/test.mp4YOLOv3-Gluon
sudo docker run --rm \
--name pi5-hailo8-yolov3-gluon \
--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/yolov3_gluon:latest \
python web_detection.py --model_path model/yolov3_gluon.hef --video_path video/test.mp4YOLOv3-Gluon-416
sudo docker run --rm \
--name pi5-hailo8-yolov3-gluon-416 \
--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/yolov3_gluon_416:latest \
python web_detection.py --model_path model/yolov3_gluon_416.hef --video_path video/test.mp4Ouvrez http://<Board_IP>:8000 pour voir les détections. Le fichier video/test.mp4 fourni est le clip de démonstration utilisé pour la vérification.
Mode caméra USB
sudo docker run --rm \
--name pi5-hailo8-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/yolov3:latest \
python web_detection.py --model_path model/yolov3.hef --camera_id 0Remplacez yolov3 par le nom d’image et de modèle d’une autre variante pour exécuter YOLOv3-416, YOLOv3-Gluon ou YOLOv3-Gluon-416.
REST API
| Endpoint | Méthode |
|---|---|
| YOLOv3 | POST /api/models/yolov3/predict |
| YOLOv3-416 | POST /api/models/yolov3_416/predict |
| YOLOv3-Gluon | POST /api/models/yolov3_gluon/predict |
| YOLOv3-Gluon-416 | POST /api/models/yolov3_gluon_416/predict |
curl -X POST "http://<Board_IP>:8000/api/models/yolov3/predict" \
-F "file=@test.jpg"Les entrées predictions contiennent la classe COCO, la confiance et la boîte.
Notes d'implémentation
- Les HEF exposent trois têtes YOLOv3 brutes, sans NMS sur puce. L’hôte exécute sigmoid, le décodage par anchors et le NMS.
- Le prétraitement applique un letterbox à la taille d’entrée du HEF avec un remplissage 114 et convertit BGR en RGB ; la normalisation est compilée dans le HEF.
- Anchors : stride 32
[[116,90],[156,198],[373,326]], stride 16[[30,61],[62,45],[59,119]], stride 8[[10,13],[16,30],[33,23]]. - La première inférence journalise la forme de chaque tête.
Notes de développement
- Sources:
src/rpi5_hailo8_yolov3{,_416,_gluon,_gluon_416}/ - Dockerfiles:
docker/hailo8/yolov3{,_416,_gluon,_gluon_416}.dockerfile - Conteneurs:
ghcr.io/seeed-projects/recomputer-hailo8-cv/yolov3{,_416,_gluon,_gluon_416}:latest - HEFs: Hailo Model Zoo v2.20.0 (
hailo8), sizes and SHA256 in each module'smodel/README.md
Entrées et sorties
Entrée : image, vidéo ou flux caméra USB. Sortie : boîtes COCO 80 classes, confiance et aperçu MJPEG.