CV / YOLOv7

YOLOv7

Select the lightweight YOLOv7-Tiny or full YOLOv7 model with the model-path parameter.

2 téléchargements

Précision

RKNN

Choisissez l'appareil que vous utilisez. Le guide de configuration et la documentation seront mis à jour en conséquence.

Plateforme

Taille

Moteur d'inférence

Pour commencer

Déployer

sudo docker run --rm --privileged --net=host --device /dev/dri/renderD128:/dev/dri/renderD128 \
  -v /proc/device-tree/compatible:/proc/device-tree/compatible:ro \
  ghcr.io/seeed-projects/recomputer-rk-cv/rk3576-yolov7:latest \
  python3 web_detection.py --platform rk3576 --model_path model/yolov7-tiny.rknn \
  --anchors model/anchors_yolov7.txt --video_path video/test.mp4

API REST

Utilisez l'API REST pour exécuter l'inférence. Copiez les commandes ci-dessous.

Curl

curl http://localhost:8080/v1/chat/completions -d '{
  "model": "yolov7-rknn",
  "messages": [{"role": "user", "content": "Hello"}]
}'

Python

import requests

resp = requests.post(
    "http://localhost:8080/v1/chat/completions",
    json={"model": "yolov7-rknn", "messages": [{"role": "user", "content": "Hello"}]},
)
print(resp.json())

Détails du modèle

YOLOv7 sur reComputer RK3576 et RK3588

Cette page documente le service YOLOv7 RKNN de reComputer-RK-CV. Il prend en charge la détection COCO, l’aperçu navigateur, l’inférence REST, la caméra et le traitement MP4 hors ligne.

Informations sur le modèle

Propriété	Valeur
Tâche	Détection d’objets COCO à 80 classes
Entrée	`640 x 640`, letterboxé et converti de BGR en RGB
Variantes	`yolov7-tiny.rknn`, `yolov7.rknn`
Valeur par défaut	`model/yolov7-tiny.rknn`
Ancres	`model/anchors_yolov7.txt`

Exécuter le service

RK3576

bash

sudo docker run --rm --privileged --net=host \
  --device /dev/dri/renderD128:/dev/dri/renderD128 \
  -v /proc/device-tree/compatible:/proc/device-tree/compatible:ro \
  ghcr.io/seeed-projects/recomputer-rk-cv/rk3576-yolov7:latest \
  python3 web_detection.py --platform rk3576 \
  --model_path model/yolov7-tiny.rknn \
  --anchors model/anchors_yolov7.txt --video_path video/test.mp4

RK3588

bash

sudo docker run --rm --privileged --net=host \
  --device /dev/dri/renderD128:/dev/dri/renderD128 \
  -v /proc/device-tree/compatible:/proc/device-tree/compatible:ro \
  ghcr.io/seeed-projects/recomputer-rk-cv/rk3588-yolov7:latest \
  python3 web_detection.py --platform rk3588 \
  --model_path model/yolov7-tiny.rknn \
  --anchors model/anchors_yolov7.txt --video_path video/test.mp4

Pour utiliser YOLOv7 complet, changez uniquement le chemin du modèle en model/yolov7.rknn. Conservez l’argument des ancres. Utilisez --camera_id -1 pour le mode téléversement uniquement.

Arguments de démarrage

Argument	Valeur par défaut	Description
`--platform`	Obligatoire	`rk3576` ou `rk3588`.
`--model_path`	Obligatoire	Fichier RKNN YOLOv7 Tiny ou complet.
`--anchors`	Obligatoire	Fichier d’ancres correspondant au modèle converti.
`--camera_id`	`1`	Indice de caméra ; utilisez `-1` pour les téléversements uniquement.
`--video_path`	Aucun	MP4 local en boucle ; remplace la caméra.
`--class_path`	Labels COCO	Liste facultative de classes de remplacement.
`--host` / `--port`	`0.0.0.0` / `8000`	Adresse et port du service.

REST API

Endpoint : POST /api/models/yolov7/predict

bash

curl -X POST "http://<BOARD_IP>:8000/api/models/yolov7/predict" \
  -F "file=@bus.jpg" -F "conf=0.25" -F "iou=0.45"

json

{
  "success": true,
  "source": "uploaded image",
  "predictions": [
    {
      "class": "bus",
      "confidence": 0.92,
      "box": {"x1": 100, "y1": 120, "x2": 520, "y2": 430}
    }
  ],
  "image": {"width": 640, "height": 480}
}

L’interface multipart accepte les requêtes d’image, d’image MP4 et de source en direct. GET/POST /api/config contrôle les seuils de confiance et de NMS par défaut. Les endpoints d’état, MJPEG, téléversement, analyse, progression, liste et téléchargement suivent la structure standard. Les fichiers utilisent workspace/ par défaut. Les modèles de remplacement nécessitent un fichier d’ancres, une taille d’entrée, une configuration de classes et une disposition de sortie compatibles.

Compiler localement

bash

docker build -f docker/rk3576/yolov7.dockerfile \
  -t rk3576-yolov7:local src/rk3576_yolov7

docker build -f docker/rk3588/yolov7.dockerfile \
  -t rk3588-yolov7:local src/rk3588_yolov7

Entrées et sorties

Input: image, video frame, or camera frame. Output: COCO classes, confidence scores, and boxes.