YOLOv5

YOLOv5 op reComputer R Series (CM5 + Hailo-10H)

YOLOv5s en YOLOv5m voeren COCO-objectdetectie (80 klassen) uit op Hailo-10H via HailoRT. NMS en sigmoid draaien on-chip (Hailo HPP), de host parseert alleen de post-NMS-tensor.

Deze pagina is gericht op reComputer R Series (CM5 + Hailo-10H) met een PCIe Hailo-10H-versneller.

Hardware en hostinstellingen

Installeer de Hailo-10H-pakketten op de host en controleer of stuurprogramma en apparaat gereed zijn voordat u de container start:

sudo apt update
sudo apt install hailo-h10-all -y
sudo reboot

# After reboot
hailortcli --version
hailortcli fw-control identify
ls -l /dev/hailo0

De verwachte HailoRT-versie voor deze images is 5.1.1.

Uitvoeren met de demo-video

YOLOv5s:

sudo docker run --rm \
  --name cm5-hailo10h-yolov5s \
  --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/yolov5s:latest \
  python web_detection.py --model_path model/yolov5s.hef --video_path video/test.mp4

YOLOv5m:

sudo docker run --rm \
  --name cm5-hailo10h-yolov5m \
  --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/yolov5m:latest \
  python web_detection.py --model_path model/yolov5m.hef --video_path video/test.mp4

Open http://<Board_IP>:8000 voor de webpreview.

USB-cameramodus

sudo docker run --rm \
  --name cm5-hailo10h-yolov5s \
  --privileged \
  --net=host \
  -e PYTHONUNBUFFERED=1 \
  --device /dev/hailo0:/dev/hailo0 \
  --device /dev/video0:/dev/video0 \
  -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/yolov5s:latest \
  python web_detection.py --model_path model/yolov5s.hef --camera_id 0

Vervang yolov5s door yolov5m voor de middelgrote variant.

HEF-bestanden

YOLOv5s is de kleine variant, YOLOv5m de middelgrote; beide zijn Hailo-10H-builds uit de Hailo Model Zoo v5.4.0.

Source: https://hailo-model-zoo.s3.eu-west-2.amazonaws.com/ModelZoo/Compiled/v5.4.0/hailo10h/yolov5s.hef (yolov5m.hef in the same directory).

REST API

POST http://<Board_IP>:8000/api/models/yolov5s/predict

curl -X POST "http://<Board_IP>:8000/api/models/yolov5s/predict" \
  -F "file=@test.jpg"

Implementatienotities

• De HEF voert NMS en sigmoid on-chip uit (zoo base/yolo.yaml: nms: true, hpp: true); nms_thresh wordt alleen voor API-compatibiliteit geaccepteerd.
• Post-NMS-regels zijn [ymin, xmin, ymax, xmax, score], genormaliseerd naar [0,1] van de 640x640-letterboxinvoer; de applicatie schaalt naar pixels en draait de letterbox terug.
• De HEF bevat normalize_in_net (mean 0 / std 255, dus /255) en padding_color=114: de applicatie letterboxt met grijs (114) en stuurt ruwe uint8 RGB-pixels.
• Klasse-ID's 0..79 indexeren direct de standaard COCO-lijst (de Model Zoo-evaluatie gebruikt labels_offset=1).
• De Model Zoo documenteert de post-NMS-vorm als 80x5x80; de parser accepteert de werkelijke indeling tijdens runtime en logt die eenmalig ([YOLOv5] raw output type=..., shape=...).
• Standaardwaarden: confidence 0.25; de IOU-schuif heeft geen effect omdat NMS on-chip draait.

Ontwikkelnotities

• Bronmodules: src/hailo10h_yolov5s/, src/hailo10h_yolov5m/
• Dockerfiles: docker/hailo10h/yolov5s.dockerfile, docker/hailo10h/yolov5m.dockerfile
• Containers: ghcr.io/seeed-projects/recomputer-hailo10h-cv/yolov5s:latest, .../yolov5m:latest
• Beide modules gebruiken de HailoRT 5.1.1 InferModel-API en Hailo-10H-specifieke HEF's.
• Unit-tests draaien zonder apparaat: python -m unittest discover -s tests -v.