← Modèles

CV / YOLOv5

YOLOv5

Modèles de détection d'objets YOLOv5n/s/m pour reComputer RK3588/RK3576 (RKNN) et reComputer R Series avec Hailo-8 ou Hailo-10H.

441 téléchargements
Taille
~5.1MB
Mémoire
1GB+
Précision
INT8 / Hailo HEF

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 rk3588-yolov5n \
  --privileged \
  --net=host \
  -e PYTHONUNBUFFERED=1 \
  -e RKNN_LOG_LEVEL=0 \
  --device /dev/video0:/dev/video0 \
  --device /dev/dri/renderD128:/dev/dri/renderD128 \
  -v /proc/device-tree/compatible:/proc/device-tree/compatible \
  ghcr.io/seeed-projects/recomputer-rk-cv/rk3588-yolov5:latest \
  python3 web_detection.py --model_path model/yolov5n.rknn --video video/test.mp4

Détails du modèle

reComputer R Series (CM5 + Hailo-8)

YOLOv5 sur reComputer série R (CM5 + Hailo)

Détection d'objets YOLOv5 packagée pour la plateforme reComputer série R CM5 + Hailo.

Cette page est adaptée de rpi5_hailo8_yolov5/README.md dans reComputer-R20-CV. Elle cible reComputer série R (CM5 + Hailo) avec un accélérateur PCIe Hailo-8.

Configuration matérielle et hôte

ÉlémentValeur
CartereComputer série R avec Raspberry Pi CM5
AccélérateurHailo-8 M.2 sur PCIe, exposé comme /dev/hailo0
OSRaspberry Pi OS Bookworm, aarch64
Pilote hôtePaquet apt hailo-all
HailoRT validé4.23.x ; le pilote hôte, le firmware, la bibliothèque native et le wheel Python doivent partager la même version majeure.mineure
bash
sudo apt update
sudo apt install hailo-all
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 docker

Exécuter avec une vidéo de démonstration

bash
sudo docker run --rm --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-r20-cv/yolov5:latest \
  python web_detection.py --model_path model/yolov5s.hef --video_path video/test.mp4

Ouvrez http://<R20_IP>:8000 pour visualiser l'aperçu web. L'image inclut le code source du module, la vidéo de démonstration, le wheel Python HailoRT et les fichiers HEF listés ci-dessous.

Les montages bind libhailort.so proviennent intentionnellement de l'hôte. Si votre firmware n'est pas 4.23.0, remplacez les deux chemins par la version rapportée par hailortcli fw-control identify ; reconstruisez l'image si la version majeure.mineure diffère.

Mode caméra USB

bash
sudo docker run --rm --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-r20-cv/yolov5:latest \
  python web_detection.py --model_path model/yolov5s.hef --camera_id 0

Changer de variante HEF

Remplacez la valeur par défaut de l'image en passant un --model_path différent :

bash
sudo docker run --rm --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-r20-cv/yolov5:latest \
  python web_detection.py --model_path model/yolov5m.hef --video_path video/test.mp4

Fichiers HEF

HEFTailleNotes
yolov5n.hef5.67 MoDétecteur nano
yolov5s.hef7.98 MoDétecteur small
yolov5m.hef13.46 MoDétecteur medium

API REST

Point de terminaison de prédiction :

text
POST http://<R20_IP>:8000/api/models/yolov11/predict

Note : La source YOLOv5 locale actuelle enregistre la route de prédiction comme /api/models/yolov11/predict ; mettez à jour web_detection.py si vous souhaitez que l'API d'exécution utilise /api/models/yolov5/predict.

Exemple de requête image :

bash
curl -X POST "http://<R20_IP>:8000/api/models/yolov11/predict" \
  -F "file=@test.jpg"

Points de terminaison courants du service :

Point de terminaisonMéthodeObjectif
/GETInterface d'aperçu web
/api/models/yolov11/predictPOSTInférence image unique à partir d'une image/vidéo téléchargée ou de la trame actuelle
/api/video_feedGETFlux d'aperçu MJPEG
/api/configGET / POSTLire ou mettre à jour les seuils d'exécution
/api/video/uploadPOSTTélécharger une vidéo pour analyse hors ligne
/api/video/analyzePOSTDémarrer l'analyse hors ligne
/api/video/statusGETInterroger la progression de l'analyse
/api/video/listGETLister les vidéos téléchargées et traitées
/api/video/download/{filename}GETTélécharger la sortie traitée

Notes de développement

  • Module source : src/rpi5_hailo8_yolov5/
  • Dockerfile : docker/hailo8/yolov5.dockerfile
  • Service principal : web_detection.py enveloppe l'inférence HailoRT, le post-traitement, l'aperçu MJPEG, la prédiction REST et l'analyse vidéo hors ligne.
  • Lors du remplacement par un HEF personnalisé, gardez la disposition de sortie compatible avec le code de post-traitement du module ou mettez à jour post_process_hailo().