YOLOv5

YOLOv5 sur reComputer R Series (CM5 + Hailo-10H)

YOLOv5s et YOLOv5m effectuent la détection d'objets COCO (80 classes) sur Hailo-10H via HailoRT. Le NMS et le sigmoid s'exécutent sur la puce (Hailo HPP) : l'hôte ne fait qu'analyser le tenseur post-NMS.

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

Matériel et configuration de l'hôte

Installez les paquets Hailo-10H sur l'hôte et vérifiez que le pilote et le périphérique sont prêts avant de démarrer le conteneur :

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

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

La version HailoRT attendue pour ces images est 5.1.1.

Exécution avec la vidéo de démonstration

YOLOv5s :

sudo docker run --rm \
  --name cm5-hailo10h-yolov5s \
  --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/yolov5s:latest \
  python web_detection.py --model_path model/yolov5s.hef --video_path video/test.mp4

YOLOv5m :

sudo docker run --rm \
  --name cm5-hailo10h-yolov5m \
  --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/yolov5m:latest \
  python web_detection.py --model_path model/yolov5m.hef --video_path video/test.mp4

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

Mode caméra USB

sudo docker run --rm \
  --name cm5-hailo10h-yolov5s \
  --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/yolov5s:latest \
  python web_detection.py --model_path model/yolov5s.hef --camera_id 0

Remplacez yolov5s par yolov5m pour la variante moyenne.

Fichiers HEF

YOLOv5s est la variante compacte, YOLOv5m la variante moyenne ; les deux proviennent du build Hailo-10H de Hailo Model Zoo v5.4.0.

Source: https://hailo-model-zoo.s3.eu-west-2.amazonaws.com/ModelZoo/Compiled/v5.4.0/hailo10h/yolov5s.hef (yolov5m.hef in the same directory).

REST API

POST http://<Board_IP>:8000/api/models/yolov5s/predict

curl -X POST "http://<Board_IP>:8000/api/models/yolov5s/predict" \
  -F "file=@test.jpg"

Notes d'implémentation

• Le HEF exécute le NMS et le sigmoid sur la puce (zoo base/yolo.yaml : nms: true, hpp: true) ; nms_thresh n'est accepté que pour la compatibilité d'API.
• Les lignes post-NMS sont [ymin, xmin, ymax, xmax, score], normalisées sur [0,1] de l'entrée letterboxée 640x640 ; l'application met à l'échelle en pixels puis annule le letterbox.
• Le HEF intègre normalize_in_net (mean 0 / std 255, soit /255) et padding_color=114 : l'application applique un letterbox gris (114) et transmet des pixels uint8 RGB bruts.
• Les IDs de classe 0..79 indexent directement la liste COCO standard (l'évaluation du Model Zoo utilise labels_offset=1).
• Le Model Zoo documente la forme post-NMS comme 80x5x80 ; l'analyseur accepte le format réel à l'exécution et le journalise une fois ([YOLOv5] raw output type=..., shape=...).
• Valeurs par défaut : confiance 0.25 ; le curseur IOU est sans effet car le NMS est embarqué.

Notes de développement

• Modules source : src/hailo10h_yolov5s/, src/hailo10h_yolov5m/
• Dockerfiles : docker/hailo10h/yolov5s.dockerfile, docker/hailo10h/yolov5m.dockerfile
• Conteneurs : ghcr.io/seeed-projects/recomputer-hailo10h-cv/yolov5s:latest, .../yolov5m:latest
• Les deux modules utilisent l'API InferModel de HailoRT 5.1.1 et des HEF dédiés à Hailo-10H.
• Les tests unitaires s'exécutent sans appareil : python -m unittest discover -s tests -v.