← Modellen

CV / Kentekens

Tiny-YOLOv4 Kentekendetectie

reComputer R Series (CM5 + Hailo-8)

Detectie van kentekens als één klasse op reComputer R Series met Hailo-8 of Hailo-10H.

59 downloads
Grootte
8.21 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.

Aan de slag

Implementeren
sudo docker run --rm \
  --name cm5-hailo8-lp-detector \
  --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_license_plates:latest \
  python web_detection.py --model_path model/tiny_yolov4_license_plates.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_license_plates/predict" \
  -F "file=@traffic.jpg"
Python
import requests

response = requests.post(
    "http://<Board_IP>:8000/api/models/tiny_yolov4_license_plates/predict",
    files={"file": open("traffic.jpg", "rb")},
    timeout=30,
)
print(response.json())

Modeldetails

reComputer R Series (CM5 + Hailo-8)

Tiny-YOLOv4 License Plates op CM5 + Hailo-8

Modelinformatie

Deze detector met één klasse gebruikt het officiële Hailo-8-HEF uit Hailo Model Zoo v2.17. Hij ontvangt een RGB-afbeelding van 416x416 en levert ruwe koppen van 13x13x18 en 26x26x18. De toepassing voert sigmoid, anker-/rasterdecodering, drempelverwerking en NMS op de CPU uit.

Model Zoo meldt 74.083 mAP op Hailo's interne kentekendataset. Dit zijn brongegevens, geen lokale CM5-benchmark.

Demovideo

De meegeleverde clip van 33.17 seconden, 1280x720 en H.264 is getranscodeerd uit de officiële standaard-LPR-video van Hailo TAPPAS v3.29:

https://hailo-tappas.s3.eu-west-2.amazonaws.com/v3.29/general/media/lpr_ayalon.mp4

De video toont voertuigen die een vaste, hoog geplaatste verkeerscamera naderen, met numerieke kentekens zichtbaar gedurende de hele reeks.

Uitvoeren

bash
sudo docker run --rm \
  --name cm5-hailo8-lp-detector \
  --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_license_plates:latest \
  python web_detection.py --model_path model/tiny_yolov4_license_plates.hef --video_path video/test.mp4

Open http://<Board_IP>:8000.

REST-API

bash
curl -X POST "http://<Board_IP>:8000/api/models/tiny_yolov4_license_plates/predict" \
  -F "file=@traffic.jpg"

Het antwoord bevat per detectie een license_plate-betrouwbaarheid en een xyxy-vak in pixels.

Bronnen en validatie

  • HEF: Hailo Model Zoo v2.17, doelplatform Hailo-8.
  • Netwerkgegevens: tiny_yolov4_license_plates.yaml uit Model Zoo v2.17.
  • Video en officiële pipeline: Hailo TAPPAS v3.29.

Invoer en uitvoer

Input: 416x416 RGB traffic frame. Output: license-plate confidence and xyxy box after raw-head decoding and CPU NMS.