CV / Tiny Yolo

Tiny-YOLOv3

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

23 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-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

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 R Series

Tiny-YOLOv3 op reComputer R Series (CM5 + Hailo-8)

Tiny-YOLOv3 detecteert 80 COCO-objectklassen op de Hailo-8. In tegenstelling tot de modellen met on-chip-NMS (SSD, EfficientDet, NanoDet) levert het ruwe YOLOv3-heads af en voert het de volledige rasterdecodering (sigmoid + anchor + NMS) op de CPU uit. Eerste variant van de tiny_yolo-serie (tiny_yolov3 / tiny_yolov4).

Deze pagina is gericht op reComputer R Series (CM5 + Hailo-8) met een PCIe Hailo-8-accelerator.

Modelinformatie

Eigenschap	Waarde
Architectuur	Tiny-YOLOv3 (base/yolo.yaml)
Taak	Objectdetectie
Invoer	416x416x3 RGB (normalize_in_net std=255)
Uitvoer	2 ruwe heads: 13x13x255 (stride 32) + 26x26x255 (stride 16)
Klassen	80 (COCO, geïndexeerd vanaf 0)
Parameters	8.85M
Bewerkingen	5.58G
Nabewerking	YOLOv3-decodering op de CPU (GEEN on-chip-NMS)
HEF	Hailo Model Zoo v2.19.0, Hailo-8

Hardware- en hostconfiguratie

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

Uitvoeren met demovideo

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

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

USB-cameramodus

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"

Endpoint	Methode	Doel
`/`	GET	Webvoorbeeld-UI
`/api/models/tiny_yolov3/predict`	POST	Detecties (JSON)
`/api/video_feed`	GET	MJPEG-voorbeeldstream

Implementatieopmerkingen

Geen on-chip-NMS — het HEF levert ruwe YOLOv3-heads af; de app voert de volledige decodering op de CPU uit: sigmoid op obj + klassenscores, ankergebaseerde rasterdecodering, NMS.
Decodering (_yolo3_decode uit de officiële yolo.py): 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 (grijs). De app voert na de letterboxing ruwe uint8-RGB-pixels in.
3 anchors per schaal: stride 32 → [[81,82],[135,169],[344,319]], stride 16 → [[23,27],[37,58],[81,82]].
Bij de eerste inferentie worden de headvormen gelogd voor verificatie (SOP §10).

Ontwikkelingsopmerkingen

Bronmodule: src/rpi5_hailo8_tiny_yolov3/
Dockerfile: docker/hailo8/tiny_yolov3.dockerfile
Container: ghcr.io/seeed-projects/recomputer-hailo8-cv/tiny_yolov3:latest
Familie: yolo (varianten tiny_yolov3 / tiny_yolov4); dit is de v3-build.

Invoer en uitvoer

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