CV / Tiny Yolo

Tiny-YOLOv4

reComputer R Series (CM5 + Hailo-8)

Hailo-8 搭載の reComputer R Series で、Tiny-YOLOv4 による COCO 80 クラスの物体検出を実行します（CPU 上で YOLOv3 をデコード）。

17 ダウンロード

サイズ

7.3 MB

メモリ

4GB+

精度

Hailo HEF / HailoRT 4.23.x

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-yolov4 \
  --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_yolov4:latest \
  python web_detection.py --model_path model/tiny_yolov4.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_yolov4/predict" \
  -F "file=@test.jpg"

Python

import requests

response = requests.post(
    "http://<Board_IP>:8000/api/models/tiny_yolov4/predict",
    files={"file": open("test.jpg", "rb")},
    timeout=30,
)
print(response.json())

モデル詳細

reComputer R Series (CM5 + Hailo-8) で Tiny-YOLOv4 を実行

Tiny-YOLOv4 は Hailo-8 上で COCO 80 クラスを検出します。入出力は Tiny-YOLOv3 と同じですが、YOLOv4-tiny バックボーン（軽量で高精度）を使用します。チップ上 NMS はなく、生の YOLOv3 ヘッドを CPU でデコードします。

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) を対象とします。

モデル情報

項目	値
アーキテクチャ	YOLOv4-tiny (base/yolo.yaml)
タスク	物体検出
入力	416x416x3 RGB (normalize_in_net std=255)
出力	2 個の生ヘッド：13x13x255（ストライド 32）+ 26x26x255（ストライド 16）
クラス数	80（COCO、0 始まり）
パラメータ数	6.05M
演算量	6.92G
後処理	CPU YOLOv3 デコード（チップ上 NMS なし）
HEF	Hailo Model Zoo v2.19.0, Hailo-8

ハードウェアとホストの設定

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-yolov4 \
  --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_yolov4:latest \
  python web_detection.py --model_path model/tiny_yolov4.hef --video_path video/test.mp4

http://<Board_IP>:8000 を開いて Web プレビューを確認します。

USB カメラモード

bash

sudo docker run --rm \
  --name cm5-hailo8-tiny-yolov4 \
  --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_yolov4:latest \
  python web_detection.py --model_path model/tiny_yolov4.hef --camera_id 0

REST API

text

POST http://<Board_IP>:8000/api/models/tiny_yolov4/predict

bash

curl -X POST "http://<Board_IP>:8000/api/models/tiny_yolov4/predict" \
  -F "file=@test.jpg"

エンドポイント	メソッド	用途
`/`	GET	Web プレビュー画面
`/api/models/tiny_yolov4/predict`	POST	検出結果（JSON）
`/api/video_feed`	GET	MJPEG プレビューストリーム

実装上の注意

入出力と後処理は Tiny-YOLOv3 と同じです（同じ base/yolo.yaml、アンカー、YOLOv3 CPU デコード）。バックボーンのみが異なります（YOLOv4-tiny）。
チップ上 NMS はなく、生の YOLOv3 ヘッドを CPU でデコードします（sigmoid + アンカー + NMS）。
normalize_in_net の std=255（÷255）+ padding_color=114（灰色）。letterbox 後に生の uint8 RGB を入力します。

開発上の注意

ソースモジュール: src/rpi5_hailo8_tiny_yolov4/
Dockerfile: docker/hailo8/tiny_yolov4.dockerfile
コンテナ: ghcr.io/seeed-projects/recomputer-hailo8-cv/tiny_yolov4:latest
ファミリー：yolo（バリアント：tiny_yolov3 / tiny_yolov4）。これは v4 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.