CV / Tiny Yolo

Tiny-YOLOv4

reComputer R Series (CM5 + Hailo-8)

COCO-objectdetectie voor 80 klassen met Tiny-YOLOv4 (YOLOv3-decodering op de CPU) op reComputer R Series met Hailo-8.

17 downloads

Grootte

7.3 MB

Geheugen

4GB+

Precisie

Hailo HEF / HailoRT 4.23.x

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-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

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_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())

Modeldetails

Tiny-YOLOv4 op reComputer R Series (CM5 + Hailo-8)

Tiny-YOLOv4 detecteert de 80 COCO-klassen op Hailo-8. Dezelfde in-/uitvoer als Tiny-YOLOv3, maar met een YOLOv4-tiny-backbone (lichter, nauwkeuriger). Geen NMS op de chip: ruwe YOLOv3-koppen worden op de CPU gedecodeerd.

Deze pagina is bedoeld voor reComputer R Series (CM5 + Hailo-8) met een PCIe-Hailo-8-versneller.

Modelinformatie

Eigenschap	Waarde
Architectuur	YOLOv4-tiny (base/yolo.yaml)
Taak	Objectdetectie
Invoer	416x416x3 RGB (normalize_in_net std=255)
Uitvoer	2 ruwe koppen: 13x13x255 (stap 32) + 26x26x255 (stap 16)
Klassen	80 (COCO, index vanaf 0)
Parameters	6.05M
Bewerkingen	6.92G
Nabewerking	YOLOv3-decodering op CPU (GEEN NMS op de chip)
HEF	Hailo Model Zoo v2.19.0, Hailo-8

Hardware- en hostinstellingen

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-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

Open http://<Board_IP>:8000 voor het webvoorbeeld.

USB-cameramodus

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"

Endpoint	Methode	Doel
`/`	GET	Webvoorbeeldinterface
`/api/models/tiny_yolov4/predict`	POST	Detecties (JSON)
`/api/video_feed`	GET	MJPEG-voorbeeldstream

Implementatienotities

Dezelfde in-/uitvoer en nabewerking als Tiny-YOLOv3 (dezelfde base/yolo.yaml, ankers en YOLOv3-CPU-decodering); alleen de backbone verschilt (YOLOv4-tiny).
Geen NMS op de chip: ruwe YOLOv3-koppen, CPU-decodering (sigmoid + ankers + NMS).
normalize_in_net std=255 (÷255) + padding_color=114 (grijs). Levert ruwe uint8-RGB-gegevens na letterbox.

Ontwikkelnotities

Bronmodule: src/rpi5_hailo8_tiny_yolov4/
Dockerfile: docker/hailo8/tiny_yolov4.dockerfile
Container: ghcr.io/seeed-projects/recomputer-hailo8-cv/tiny_yolov4:latest
Familie: yolo (varianten tiny_yolov3 / tiny_yolov4); dit is de v4-build.

Invoer en uitvoer

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