CV / YOLOv8
YOLOv8-seg
YOLOv8n/s/m instantiesegmentatie op reComputer RK3588/RK3576 (RKNN) en op reComputer R Series met Hailo-8 of Hailo-10H via HailoRT.
Kies het apparaat dat je gebruikt. De installatiehandleiding en documentatie worden dienovereenkomstig bijgewerkt.
Aan de slag
sudo docker run --rm \
--name rk3588-yolov8n-seg \
--privileged \
--net=host \
-e PYTHONUNBUFFERED=1 \
-e RKNN_LOG_LEVEL=0 \
--device /dev/video1:/dev/video1 \
--device /dev/dri/renderD129:/dev/dri/renderD129 \
-v /proc/device-tree/compatible:/proc/device-tree/compatible \
ghcr.io/seeed-projects/recomputer-rk-cv/rk3588-yolov8_seg:latest \
python web_detection.py --model_path model/yolov8n_seg.rknn --video video/test.mp4Modeldetails
reComputer R Series (CM5 + Hailo-8)YOLOv8-seg op reComputer R Series (CM5 + Hailo-8)
YOLOv8n/s/m-seg draait op de Hailo-8 via HailoRT 4.23. Het HEF stelt ruwe heads beschikbaar (geen NMS op de chip): de host decodeert de DFL-boxen, past sigmoid en NMS per klasse toe en stelt de prototypemaskers samen (32 coëfficiënten × 160×160×32-prototype, bijgesneden op elke box) voor 80 COCO-klassen.
Modelinformatie
| Variant | Invoer | Verpakt HEF | Container-image |
|---|---|---|---|
| YOLOv8n-seg | 640×640×3 RGB | 5.3 MB | yolov8n_seg |
| YOLOv8s-seg | 640×640×3 RGB | 17.3 MB | yolov8s_seg |
| YOLOv8m-seg | 640×640×3 RGB | 32.9 MB | yolov8m_seg |
Hardware en hostinstallatie
| Item | Waarde |
|---|---|
| Board | reComputer R Series met Raspberry Pi CM5 |
| Accelerator | Hailo-8 via PCIe, beschikbaar als /dev/hailo0 |
| Runtime | HailoRT 4.23.x (host / container moeten major.minor delen) |
| Python in container | 3.11, aarch64 |
sudo apt update
sudo apt install hailort hailort-pcie-driver python3-hailort
sudo reboot
# After reboot
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.
YOLOv8n-seg
sudo docker run --rm \
--name cm5-hailo8-yolov8n-seg \
--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/yolov8n_seg:latest \
python web_detection.py --model_path model/yolov8n_seg.hef --video_path video/test.mp4YOLOv8s-seg
sudo docker run --rm \
--name cm5-hailo8-yolov8s-seg \
--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/yolov8s_seg:latest \
python web_detection.py --model_path model/yolov8s_seg.hef --video_path video/test.mp4YOLOv8m-seg
sudo docker run --rm \
--name cm5-hailo8-yolov8m-seg \
--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/yolov8m_seg:latest \
python web_detection.py --model_path model/yolov8m_seg.hef --video_path video/test.mp4Open http://<Board_IP>:8000 voor de webpreview (instantiemaskers per klasse
overlaid + detectieboxen).
USB-cameramodus
sudo docker run --rm \
--name cm5-hailo8-yolov8n-seg \
--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/yolov8n_seg:latest \
python web_detection.py --model_path model/yolov8n_seg.hef --camera_id 0REST API
Elke variant heeft een eigen endpoint:
| Variant | Endpoint |
|---|---|
| YOLOv8n-seg | POST /api/models/yolov8n_seg/predict |
| YOLOv8s-seg | POST /api/models/yolov8s_seg/predict |
| YOLOv8m-seg | POST /api/models/yolov8m_seg/predict |
Voorbeeld:
curl -X POST "http://<Board_IP>:8000/api/models/yolov8n_seg/predict" \
-F "file=@test.jpg"De respons bevat predictions-items met de velden class, confidence en
box (box is x1/y1/x2/y2 in pixels van het originele frame).
Instantiemaskers worden weergegeven in de MJPEG-preview; /api/video_feed
levert de geannoteerde stream.
Implementatienotities
- Het HEF stelt 10 ruwe tensors beschikbaar: per stride (32/16/8) een 64-kanaals DFL-boxhead, een 80-kanaals klassehead en een 32-kanaals maskercoëfficiënthead, plus een 160×160×32-prototype. De eerste inferentie logt elke tensornaam, vorm en waardebereik.
- Het decoderen van boxen gebruikt de DFL-softmax-verwachting (16 bins) rond het celcentrum; een compilatie die de DFL wegvouwt (4-kanaals head) wordt direct gedecodeerd.
- De klasseheads kunnen op het device al sigmoid-geactiveerd zijn (Model Zoo alls script); de module past alleen sigmoid toe wanneer de waarden ruwe logits zijn.
- De one2many-voorspellingen gaan door NMS per klasse, aangestuurd door de
confidence- en IoU-sliders; maskers zijn
sigmoid(coeffs @ proto), opgeschaald naar de invoer en bijgesneden op elke box (drempel 0.5). - Letterbox-padding is 114 (Model Zoo
base/yolo.yaml); de normalisatie mean 0 / std 255 is in het HEF gecompileerd.
Ontwikkelnotities
| Variant | Bron | Dockerfile | Container |
|---|---|---|---|
| YOLOv8n-seg | src/rpi5_hailo8_yolov8n_seg/ | docker/hailo8/yolov8n_seg.dockerfile | ghcr.io/seeed-projects/recomputer-hailo8-cv/yolov8n_seg:latest |
| YOLOv8s-seg | src/rpi5_hailo8_yolov8s_seg/ | docker/hailo8/yolov8s_seg.dockerfile | ghcr.io/seeed-projects/recomputer-hailo8-cv/yolov8s_seg:latest |
| YOLOv8m-seg | src/rpi5_hailo8_yolov8m_seg/ | docker/hailo8/yolov8m_seg.dockerfile | ghcr.io/seeed-projects/recomputer-hailo8-cv/yolov8m_seg:latest |
- De executor is de HailoRT 4.23 InferVStreams-wrapper (Python 3.11 + de
meegeleverde cp311-wheel); de native
libhailort.sokomt van de host. - HEFs: Hailo Model Zoo v2.19.0 Hailo-8-builds.
- De genoemde mAP-waarden (COCO-instantiesegmentatie) zijn de full-precision cijfers van het Model Zoo, niet gemeten op dit board.