CV / Tiny Yolo

Tiny-YOLOv3

COCO 80 クラスの物体検出。Tiny-YOLOv3（CPU YOLOv3 デコード）。reComputer R Series + Hailo-8 または Hailo-10H 対応。

23 ダウンロード

サイズ

8.4 MB

メモリ

4GB+

精度

Hailo HEF / HailoRT 4.23.x (Hailo-8) / 5.1.1 (Hailo-10H)

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-hailo8-tiny-yolov3 \
  --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-hailo8-cv/tiny_yolov3:latest \
  python web_detection.py --model_path model/tiny_yolov3.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/tiny_yolov3/predict" \
  -F "file=@test.jpg"

Python

import requests

response = requests.post(
    "http://<Board_IP>:8000/api/models/tiny_yolov3/predict",
    files={"file": open("test.jpg", "rb")},
    timeout=30,
)
print(response.json())

モデル詳細

reComputer R Series

Tiny-YOLOv3 を reComputer R Series（CM5 + Hailo-8）で実行

Tiny-YOLOv3 は、Hailo-8 上で 80 個の COCO オブジェクトクラスを検出します。オンチップ NMS のモデル（SSD、EfficientDet、NanoDet）とは異なり、生の YOLOv3 ヘッドを出力し、完全なグリッドデコード（sigmoid + anchor + NMS）を CPU 上で実行します。tiny_yolo シリーズ（tiny_yolov3 / tiny_yolov4）の最初のバリアントです。

このページは、PCIe Hailo-8 アクセラレータを搭載した reComputer R Series（CM5 + Hailo-8） を対象としています。

モデル情報

項目	値
アーキテクチャ	Tiny-YOLOv3（base/yolo.yaml）
タスク	物体検出
入力	416x416x3 RGB（normalize_in_net std=255）
出力	2 つの生ヘッド：13x13x255（ストライド 32）+ 26x26x255（ストライド 16）
クラス	80（COCO、0 起始）
パラメータ数	8.85M
演算量	5.58G
後処理	CPU YOLOv3 デコード（オンチップ NMS なし）
HEF	Hailo Model Zoo v2.19.0、Hailo-8

ハードウェアとホストのセットアップ

bash

sudo apt update
sudo apt install hailort hailort-pcie-driver python3-hailort
sudo reboot
hailortcli --version
hailortcli fw-control identify
ls -l /dev/hailo0

デモ動画で実行

bash

sudo docker run --rm \
  --name cm5-hailo8-tiny-yolov3 \
  --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-hailo8-cv/tiny_yolov3:latest \
  python web_detection.py --model_path model/tiny_yolov3.hef --video_path video/test.mp4

http://<Board_IP>:8000 を開くと Web プレビューを表示できます。

USB カメラモード

bash

sudo docker run --rm \
  --name cm5-hailo8-tiny-yolov3 \
  --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-hailo8-cv/tiny_yolov3:latest \
  python web_detection.py --model_path model/tiny_yolov3.hef --camera_id 0

REST API

text

POST http://<Board_IP>:8000/api/models/tiny_yolov3/predict

bash

curl -X POST "http://<Board_IP>:8000/api/models/tiny_yolov3/predict" \
  -F "file=@test.jpg"

エンドポイント	メソッド	用途
`/`	GET	Web プレビュー UI
`/api/models/tiny_yolov3/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

オンチップ NMS なし — HEF は生の YOLOv3 ヘッドを出力し、アプリが CPU 上で完全なデコードを実行します：obj + クラススコアの sigmoid、アンカーベースのグリッドデコード、NMS。
デコード（公式 yolo.py の _yolo3_decode）： center = (sigmoid(raw_xy) + grid) * stride、scale = exp(raw_wh) * anchor、 score = sigmoid(obj) * sigmoid(cls)。
normalize_in_net std=255（÷255）+ padding_color=114（グレー）。アプリは letterbox 後に生の uint8 RGB ピクセルをそのまま入力します。
スケールごとに 3 つのアンカー：ストライド 32 → [[81,82],[135,169],[344,319]]、ストライド 16 → [[23,27],[37,58],[81,82]]。
初回推論時に各ヘッドの形状を検証用にログ出力します（SOP §10）。

開発メモ

ソースモジュール：src/rpi5_hailo8_tiny_yolov3/
Dockerfile：docker/hailo8/tiny_yolov3.dockerfile
コンテナイメージ：ghcr.io/seeed-projects/recomputer-hailo8-cv/tiny_yolov3:latest
ファミリー：yolo（バリアント tiny_yolov3 / tiny_yolov4）。本ページは v3 ビルドです。

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.