CV / NanoDet

NanoDet-RepVGG-a1-640

reComputer R Series (CM5 + Hailo-10H)

COCO 80 クラスの物体検出。nanodet_repvgg_a1_640（オンチップ NMS）。reComputer R Series + Hailo-8 または Hailo-10H 対応。

90 ダウンロード

サイズ

9.8 MB

メモリ

4GB+

精度

Hailo HEF / HailoRT

使用しているデバイスを選択してください。セットアップガイドとドキュメントがそれに応じて更新されます。

プラットフォーム

推論エンジン

はじめる

デプロイ

sudo docker run --rm \
  --name cm5-hailo10h-nanodet-repvgg-a1-640 \
  --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/nanodet_repvgg_a1_640:latest \
  python web_detection.py --model_path model/nanodet_repvgg_a1_640.hef --video_path video/test.mp4

REST API

REST API を使用して推論を実行します。以下のコマンドをコピーしてください。

Curl

curl -X POST "http://<Board_IP>:8000/api/models/nanodet_repvgg_a1_640/predict" \
  -F "file=@test.jpg"

Python

import requests

response = requests.post(
    "http://<Board_IP>:8000/api/models/nanodet_repvgg_a1_640/predict",
    files={"file": open("test.jpg", "rb")},
    timeout=30,
)
print(response.json())

モデル詳細

reComputer R Series (CM5 + Hailo-10H)

NanoDet-RepVGG-a1-640 を reComputer CM5 + Hailo-10H で実行

NanoDet-RepVGG-a1-640 は Hailo-10H 上で COCO 80 クラスの物体検出を行い、NMS はオンチップ（Hailo HPP）で実行されます。nanodet_repvgg と同じベース（base/nanodet.yaml）を使用しますが、より大きな RepVGG-A1 バックボーンと 640x640 入力を採用し、精度を高めています。HEF はデコード済みの検出結果を直接出力し、アプリは NMS 後のテンソルのみを解析します。検証済みの Hailo-8 モジュール rpi5_hailo8_nanodet_repvgg_a1_640 から移植し、実行部は HailoRT 5.1.1 の create_infer_model マルチ出力ラッパー（出力は FLOAT32）を使用します。

モデル情報

項目	値
アーキテクチャ	NanoDet + RepVGG-A1（base/nanodet.yaml）
タスク	物体検出
入力	640x640x3（サイズは起動時に HEF から読み取り）
出力	オンチップ NMS テンソル、NMS 後形状 80x5x100
クラス	80（COCO、meta_arch=yolov8 で 0 起索引）
HEF	Hailo Model Zoo v5.4.0、Hailo-10H（7.9 MB）

ハードウェアとホストのセットアップ

項目	値
ボード	reComputer R Series（Raspberry Pi CM5）
アクセラレータ	Hailo-10H、PCIe 経由、`/dev/hailo0`
ホストドライバ	`hailo-h10-all` apt パッケージ
ランタイム	HailoRT 5.1.1
コンテナ内 Python	3.13、aarch64

bash

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

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

デモ動画で実行

bash

sudo docker run --rm \
  --name cm5-hailo10h-nanodet-repvgg-a1-640 \
  --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/nanodet_repvgg_a1_640:latest \
  python web_detection.py --model_path model/nanodet_repvgg_a1_640.hef --video_path video/test.mp4

http://<Board_IP>:8000 を開くと Web プレビューを確認できます。 USB カメラを使用する場合は /dev/video0 をマウントし、--video_path video/test.mp4 を --camera_id 0 に置き換えます。

REST API

bash

curl -X POST "http://<Board_IP>:8000/api/models/nanodet_repvgg_a1_640/predict" \
  -F "file=@test.jpg"

エンドポイント	メソッド	説明
`/health`	GET	ヘルスチェック
`/api/models/nanodet_repvgg_a1_640/predict`	POST	検出結果（JSON）
`/api/video_feed`	GET	MJPEG プレビューストリーム

実装メモ

HEF はオンチップで NMS を実行するため、アプリは NMS 後のテンソルのみを解析し、nms_thresh は互換性のためだけに保持。
NMS 後の行は [ymin, xmin, ymax, xmax, score] で、letterbox 入力に対して [0,1] に正規化。アプリはピクセルに変換して letterbox を戻します。
正規化/色変換は HEF にコンパイル済み。アプリは letterbox 後に生の uint8 ピクセルを入力。
HailoRT は NMS vstream をクラスごとの ragged リスト（NMS-by-score）で返すことがあり、パーサーは ragged/object/dense の各レイアウトに対応。初回推論時に生の型/形状を出力して検証できます。
実行部の出力は FormatType.FLOAT32（SDK による逆量子化）を要求。量子化された生の値を読むと万単位の値になり、検出がすべて空になります。
クラスマッピング：cls_id（0..79）は標準 COCO 80 クラスリストに直接対応。

モデルソース

nanodet_repvgg_a1_640.hef は Hailo Model Zoo v5.4.0 の Hailo-10H ビルドです。URL、SHA256、サイズはリポジトリの src/hailo10h_nanodet_repvgg_a1_640/model/README.md に記録されています。

入力と出力

Input: image, video, or USB camera frame. Output: COCO 80-class detection boxes with confidences, plus an annotated MJPEG preview.