CV / Tiny Yolo

Tiny-YOLOv3

reComputer R Series (CM5 + Hailo-10H)

COCO-objectdetectie met 80 klassen met Tiny-YOLOv3 (YOLOv3-decodering op de CPU) op reComputer R Series met Hailo-8 of Hailo-10H.

44 downloads

Grootte

8.4 MB

Geheugen

4GB+

Precisie

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

Kies het apparaat dat je gebruikt. De installatiehandleiding en documentatie worden dienovereenkomstig bijgewerkt.

Platform

Inferentie-engine

Aan de slag

Implementeren

sudo docker run --rm \
  --name cm5-hailo10h-tiny-yolov3 \
  --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/tiny_yolov3:latest \
  python web_detection.py --model_path model/tiny_yolov3.hef --video_path video/test.mp4

REST API

Gebruik de REST API om inferentie uit te voeren. Kopieer de onderstaande commando's.

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())

Modeldetails

reComputer CM5 + Hailo-10H

Tiny-YOLOv3 op reComputer CM5 + Hailo-10H

Tiny-YOLOv3 voert objectdetectie met 80 COCO-klassen uit op de Hailo-10H via HailoRT 5.1.1. De HEF legt 2 ruwe YOLO-heads bloot (13x13x255, 26x26x255); de anchor-decodering en NMS draaien op de host-CPU.

Modelinformatie

Eigenschap	Waarde
Architectuur	Tiny-YOLOv3 (COCO-80)
Taak	Objectdetectie
Invoer	416x416x3 BGR, proportiebehoudende schaling + nulvulling (mobilenet_ssd_ar)
Uitvoer	2 heads: 13x13x255 (stride 32), 26x26x255 (stride 16)
Parameters	8.85M
Bewerkingen	5.58G
mAP (COCO, volledige precisie)	14.59% (hardware-referentiewaarde)
HEF	Hailo Model Zoo v5.4.0, Hailo-10H (7.1 MB)

Hardware- en hostconfiguratie

Onderdeel	Waarde
Board	reComputer R Series met Raspberry Pi CM5
Accelerator	Hailo-10H via PCIe, beschikbaar als `/dev/hailo0`
Hostdriver	apt-pakket `hailo-h10-all`
Runtime	HailoRT 5.1.1
Python in container	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

Uitvoeren met demovideo

bash

sudo docker run --rm \
  --name cm5-hailo10h-tiny-yolov3 \
  --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/tiny_yolov3:latest \
  python web_detection.py --model_path model/tiny_yolov3.hef --video_path video/test.mp4

Open http://<Board_IP>:8000 om de webvoorbeeld te bekijken.

REST API

bash

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

Implementatieopmerkingen

Anchors/strides geverifieerd tegen de 10H-YAML van Model Zoo v5.4.0: stride 32 {[81,82],[135,169],[344,319]}, stride 16 {[23,27],[37,58],[81,82]}.
Voorverwerking: proportiebehoudende schaling + nulvulling, ruwe BGR (de configuratie heeft geen bgr_to_rgb en de normalisatie is 0/255) — NIET de grijze 114 RGB-letterbox.
De executor is de FLOAT32-multi-output-wrapper van HailoRT 5.1.1; de eerste inferentie print het waardebereik van elke head volgens de SOP-acceptatiechecklist.

Ontwikkelingsopmerkingen

Bronmodule: src/hailo10h_tiny_yolov3/
Dockerfile: docker/hailo10h/tiny_yolov3.dockerfile
Container: ghcr.io/seeed-projects/recomputer-hailo10h-cv/tiny_yolov3:latest

Invoer en uitvoer

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