CV / YOLOv3
YOLOv3
reComputer R Series (CM5 + Hailo-8)
COCO-detectie met YOLOv3 / YOLOv3-416 / YOLOv3-Gluon / YOLOv3-Gluon-416 op reComputer R Series met Hailo-8 of Hailo-10H.
Kies het apparaat dat je gebruikt. De installatiehandleiding en documentatie worden dienovereenkomstig bijgewerkt.
Aan de slag
sudo docker run --rm \
--name pi5-hailo8-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/yolov3:latest \
python web_detection.py --model_path model/yolov3.hef --video_path video/test.mp4Modeldetails
reComputer R Series (CM5 + Hailo-8)COCO-detectie met YOLOv3 / YOLOv3-416 / YOLOv3-Gluon / YOLOv3-Gluon-416 op reComputer R Series (CM5 + Hailo-8)
De vier YOLOv3-varianten detecteren 80 COCO-klassen op Hailo-8 via HailoRT 4.23.x. Elk HEF levert drie ruwe YOLOv3-heads; de host voert de volledige grid-decodering (sigmoid + anchors + NMS) uit en tekent de boxen in de MJPEG-preview. De varianten delen dezelfde webservice.
Modelinformatie
| Variant | Invoer | Meegeleverd HEF | mAP float / Hailo-8 | FPS (batch 1) | Parameters / bewerkingen | Container |
|---|---|---|---|---|---|---|
| YOLOv3 | 608×608×3 | 54.7 MB | 38.4 / 38.3 | 37.8 | 68.79M / 158.10G | yolov3 |
| YOLOv3-416 | 416×416×3 | 56.6 MB | 37.7 / 37.6 | 47.8 | 61.92M / 65.94G | yolov3_416 |
| YOLOv3-Gluon | 608×608×3 | 50.8 MB | 37.3 / 35.8 | 38.1 | 68.79M / 140.7G | yolov3_gluon |
| YOLOv3-Gluon-416 | 416×416×3 | 56.2 MB | 36.3 / 34.3 | 49.0 | 61.92M / 65.94G | yolov3_gluon_416 |
Hardware- en hostconfiguratie
| Bord | Accelerator | Runtime | Python in container |
|---|---|
| Bord | reComputer R Series met Raspberry Pi CM5 |
| Accelerator | Hailo-8 via PCIe, beschikbaar als /dev/hailo0 |
| Runtime | HailoRT 4.23.x (host en container moeten major.minor delen) |
| Python in container | 3.11, aarch64 |
sudo apt update
sudo apt install hailo-all -y
sudo reboot
# Na herstart
hailortcli fw-control identify
ls /dev/hailo0
# Docker
curl -fsSL https://get.docker.com -o get-docker.sh
sudo sh get-docker.sh --mirror Aliyun
sudo systemctl enable docker
sudo systemctl start dockerUitvoeren met demovideo
Kies de opdracht die bij de modelvariant hoort.
YOLOv3
sudo docker run --rm \
--name pi5-hailo8-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/yolov3:latest \
python web_detection.py --model_path model/yolov3.hef --video_path video/test.mp4YOLOv3-416
sudo docker run --rm \
--name pi5-hailo8-yolov3-416 \
--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/yolov3_416:latest \
python web_detection.py --model_path model/yolov3_416.hef --video_path video/test.mp4YOLOv3-Gluon
sudo docker run --rm \
--name pi5-hailo8-yolov3-gluon \
--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/yolov3_gluon:latest \
python web_detection.py --model_path model/yolov3_gluon.hef --video_path video/test.mp4YOLOv3-Gluon-416
sudo docker run --rm \
--name pi5-hailo8-yolov3-gluon-416 \
--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/yolov3_gluon_416:latest \
python web_detection.py --model_path model/yolov3_gluon_416.hef --video_path video/test.mp4Open http://<Board_IP>:8000 om de detecties te bekijken. Het meegeleverde video/test.mp4 is de democlip voor verificatie.
USB-cameramodus
sudo docker run --rm \
--name pi5-hailo8-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/yolov3:latest \
python web_detection.py --model_path model/yolov3.hef --camera_id 0Vervang yolov3 door de image- en modelnaam van een andere variant om YOLOv3-416, YOLOv3-Gluon of YOLOv3-Gluon-416 uit te voeren.
REST API
| Endpoint | Methode |
|---|---|
| YOLOv3 | POST /api/models/yolov3/predict |
| YOLOv3-416 | POST /api/models/yolov3_416/predict |
| YOLOv3-Gluon | POST /api/models/yolov3_gluon/predict |
| YOLOv3-Gluon-416 | POST /api/models/yolov3_gluon_416/predict |
curl -X POST "http://<Board_IP>:8000/api/models/yolov3/predict" \
-F "file=@test.jpg"De predictions-items bevatten de COCO-klasse, betrouwbaarheid en box.
Implementatieopmerkingen
- De HEFs leveren drie ruwe YOLOv3-heads zonder on-chip NMS. De host voert sigmoid, anchor-grid-decodering en NMS uit.
- De voorbewerking past letterbox toe op de HEF-invoergrootte met padding 114 en converteert BGR naar RGB; de normalisatie is in het HEF gecompileerd.
- Anchors: stride 32
[[116,90],[156,198],[373,326]], stride 16[[30,61],[62,45],[59,119]], stride 8[[10,13],[16,30],[33,23]]. - De eerste inferentie logt de vorm van elke head.
Ontwikkelingsopmerkingen
- Bronnen:
src/rpi5_hailo8_yolov3{,_416,_gluon,_gluon_416}/ - Dockerfiles:
docker/hailo8/yolov3{,_416,_gluon,_gluon_416}.dockerfile - Containers:
ghcr.io/seeed-projects/recomputer-hailo8-cv/yolov3{,_416,_gluon,_gluon_416}:latest - HEFs: Hailo Model Zoo v2.20.0 (
hailo8), sizes and SHA256 in each module'smodel/README.md
Invoer en uitvoer
Invoer: afbeelding, video of USB-cameraframe. Uitvoer: COCO 80-klassen-boxen, betrouwbaarheid en MJPEG-preview.