← モデル

CV / YOLOv10

YOLOv10

YOLOv10 nano物体検出HEF（reComputer Rシリーズ + Hailo-8対応）

21 ダウンロード
サイズ
7.36 MB
メモリ
4GB+
精度
RKNN / Hailo HEF

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。

はじめる

デプロイ
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-yolov10:latest \
  python3 web_detection.py --platform rk3576 --model_path model/yolov10n.rknn --video_path video/test.mp4

モデル詳細

reComputer RK

クイックスタート

1. Docker のインストール

開発ボードで次のコマンドを実行して Docker をインストールします：

bash
# Docker
curl -fsSL https://get.docker.com -o get-docker.sh
# Aliyun
sudo sh get-docker.sh --mirror Aliyun
# systemd
sudo systemctl enable docker
sudo systemctl start docker

2. プロジェクトの実行（1コマンド、デュアルモードプレビュー）

このRKNNデプロイはreComputer-RK-CVのYOLOv10モジュールに由来します。モデルのエンドツーエンドでNMS不要な2段階Top-K後処理を実装しています。

モデル情報

プロパティ値
タスクCOCO 80クラス物体検出
入力640 x 640、レターボックス後にBGRからRGBへ変換
バリアントyolov10n.rknn, yolov10s.rknn
デフォルトmodel/yolov10n.rknn
後処理エンドツーエンド、NMS不要のTop-K選択

ステップ A：イメージをプル

bash
sudo docker pull ghcr.io/seeed-projects/recomputer-rk-cv/rk3588-yolov10:latest
sudo docker pull ghcr.io/seeed-projects/recomputer-rk-cv/rk3576-yolov10:latest

ステップ B：ワンクリックで実行

** 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-yolov10:latest \
  python3 web_detection.py --platform rk3576 \
  --model_path model/yolov10n.rknn --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-yolov10:latest \
  python3 web_detection.py --platform rk3588 \
  --model_path model/yolov10n.rknn --video_path video/test.mp4

--model_path model/yolov10s.rknnでYOLOv10sを選択します。アップロード専用モードでは動画引数を--camera_id -1に置き換えます。

🔌 API ドキュメント

1. モデル推論インターフェース（Predict）

エンドポイント： POST /api/models/yolov10/predict

リクエストパラメータ（Multipart/Form-Data）：

file、video、timestamp、realtime、conf、iouを指定できます。しきい値のデフォルトは0.25と0.45です。

使用例：

bash
curl -X POST "http://<BOARD_IP>:8000/api/models/yolov10/predict" \
  -F "file=@bus.jpg" -F "conf=0.25"

レスポンス例：

レスポンス形式（JSON）：

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}
}

2. システム設定インターフェース（Config）

APIは標準検出サービスとの互換性のためiouを受け付けますが、YOLOv10のNMS不要な後処理では使用しません。GET/POST /api/configのグローバル信頼度設定はプレビューとオフライン解析に適用されます。

ヘルス、MJPEG、動画アップロード、非同期解析、状態、一覧、ダウンロードの各エンドポイントも公開します。実行時ファイルはデフォルトでworkspace/に書き込まれます。置き換えるモデルはweb_detection.pyのNMS不要デコーダが期待する入力サイズと出力テンソルを維持する必要があります。

3. コマンドライン引数

引数デフォルト説明
--platform必須rk3576またはrk3588。
--model_path必須YOLOv10nまたはYOLOv10sのRKNNファイル。
--camera_id1カメラインデックス。-1はキャプチャを無効にします。
--video_pathなしループ再生するローカルMP4。カメラより優先されます。
--class_pathCOCOラベル任意の置換クラス一覧。
--host / --port0.0.0.0 / 8000サービスアドレスとポート。

リアルタイム動画ストリーム（Video Feed）

ブラウザプレビュー用の最新の注釈付き MJPEG ストリームを取得します：

  • エンドポイント: GET /api/video_feed
  • 使用例: <img src="http://<BOARD_IP>:8000/api/video_feed">

🛠️ 開発者ガイド（本番環境向け推奨事項）

ローカルでビルドする

bash
docker build -f docker/rk3576/yolov10.dockerfile \
  -t rk3576-yolov10:local src/rk3576_yolov10

docker build -f docker/rk3588/yolov10.dockerfile \
  -t rk3588-yolov10:local src/rk3588_yolov10

入力と出力

入力: 画像、動画、またはUSBカメラフレーム。出力: 検出ボックス、クラス、信頼度、および注釈付きMJPEGプレビュー。