CV / YOLOX

YOLOX

Select an RKNN YOLOX-S/M model or a Hailo-8 Tiny/S-Leaky/L-Leaky HEF for the target platform.

5 téléchargements

Précision

RKNN / Hailo HEF

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-yolox:latest \
  python3 web_detection.py --platform rk3576 --model_path model/yolox_s.rknn \
  --class_path model/coco_80_labels_list.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": "yolox-rknn",
  "messages": [{"role": "user", "content": "Hello"}]
}'

Python

import requests

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

Détails du modèle

YOLOX sur reComputer RK3576 et RK3588

Cette page repose sur les services YOLOX de reComputer-RK-CV. Le runtime effectue l’inférence RKNN, le décodage des branches YOLOX, la fusion des scores d’objectivité/classe et la NMS par classe.

Informations sur le modèle

Propriété	Valeur
Tâche	Détection d’objets COCO à 80 classes
Entrée	RGB letterbox `640 x 640`
Variantes	`yolox_s.rknn`, `yolox_m.rknn`
Valeur par défaut	`model/yolox_s.rknn`
Étiquettes	`model/coco_80_labels_list.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-yolox:latest \
  python3 web_detection.py --platform rk3576 \
  --model_path model/yolox_s.rknn \
  --class_path model/coco_80_labels_list.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-yolox:latest \
  python3 web_detection.py --platform rk3588 \
  --model_path model/yolox_s.rknn \
  --class_path model/coco_80_labels_list.txt --video_path video/test.mp4

Utilisez model/yolox_m.rknn pour la variante moyenne. Conservez l’argument du chemin des classes lors du changement de modèle. Ouvrez http://<BOARD_IP>:8000 ou /docs.

Arguments de démarrage

Argument	Valeur par défaut	Description
`--platform`	Obligatoire	`rk3576` ou `rk3588`.
`--model_path`	Obligatoire	Fichier RKNN YOLOX-S ou YOLOX-M.
`--class_path`	Obligatoire dans la commande fournie	Fichier des noms de classes COCO.
`--camera_id`	`1`	Indice de caméra ; `-1` active uniquement les téléversements.
`--video_path`	Aucun	MP4 local en boucle ; remplace la caméra.
`--host` / `--port`	`0.0.0.0` / `8000`	Adresse et port du service.

REST API

Endpoint : POST /api/models/yolox/predict

bash

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

json

{
  "success": true,
  "source": "uploaded image",
  "predictions": [
    {
      "class": "bus",
      "confidence": 0.91,
      "box": {"x1": 100, "y1": 120, "x2": 520, "y2": 430}
    }
  ],
  "image": {"width": 640, "height": 480}
}

Le service accepte les requêtes d’image, d’image vidéo téléversée et de source courante. GET/POST /api/config contrôle obj_thresh et nms_thresh ; les valeurs conf et iou de la requête les remplacent. Les endpoints d’état, MJPEG, téléversement, analyse asynchrone, état, liste et téléchargement sont également disponibles.

L’entrée est letterboxée, convertie en RGB, décodée par branche puis traitée par fusion objectivité/classe et NMS par classe. Les modèles de remplacement doivent correspondre au décodeur YOLOX et à la configuration des classes fournis.

Compiler localement

bash

docker build -f docker/rk3576/yolox.dockerfile \
  -t rk3576-yolox:local src/rk3576_yolox

docker build -f docker/rk3588/yolox.dockerfile \
  -t rk3588-yolox:local src/rk3588_yolox

Entrées et sorties

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