← 模型

CV / PP-YOLOE

PP-YOLOE

Select PP-YOLOE-S or PP-YOLOE-M by changing the RKNN model path.

3 次下载
精度
RKNN

选择你正在使用的设备，设置指南和文档将相应更新。

快速开始

部署
sudo docker run --rm --privileged --net=host --device /dev/dri/renderD128:/dev/dri/renderD128 \
  -v /proc/device-tree/compatible:/proc/device-tree/compatible:ro \
  ghcr.io/seeed-projects/recomputer-rk-cv/rk3576-ppyoloe:latest \
  python web_detection.py --platform rk3576 --model_path model/ppyoloe_s.rknn \
  --class_path model/coco_80_labels_list.txt --camera_id -1

REST API

使用 REST API 进行推理。复制以下命令。

Curl
curl http://localhost:8080/v1/chat/completions -d '{
  "model": "ppyoloe-rknn",
  "messages": [{"role": "user", "content": "Hello"}]
}'
Python
import requests

resp = requests.post(
    "http://localhost:8080/v1/chat/completions",
    json={"model": "ppyoloe-rknn", "messages": [{"role": "user", "content": "Hello"}]},
)
print(resp.json())

模型详情

在 reComputer RK3576 和 RK3588 上运行 PP-YOLOE

此部署遵循 reComputer-RK-CV 中的 PP-YOLOE 模块。该服务提供 RKNN NPU 推理、Web 预览、REST API 和异步视频分析。

模型信息

属性值
任务COCO 80 类目标检测
输入640 x 640 letterbox RGB
变体ppyoloe_s.rknn, ppyoloe_m.rknn
默认值model/ppyoloe_s.rknn
后处理DFL 解码和类别感知 NMS

运行服务

RK3576

bash
sudo docker run --rm --privileged --net=host \
  --device /dev/dri/renderD128:/dev/dri/renderD128 \
  -v /proc/device-tree/compatible:/proc/device-tree/compatible:ro \
  ghcr.io/seeed-projects/recomputer-rk-cv/rk3576-ppyoloe:latest \
  python web_detection.py --platform rk3576 \
  --model_path model/ppyoloe_s.rknn \
  --class_path model/coco_80_labels_list.txt --camera_id -1

RK3588

bash
sudo docker run --rm --privileged --net=host \
  --device /dev/dri/renderD128:/dev/dri/renderD128 \
  -v /proc/device-tree/compatible:/proc/device-tree/compatible:ro \
  ghcr.io/seeed-projects/recomputer-rk-cv/rk3588-ppyoloe:latest \
  python web_detection.py --platform rk3588 \
  --model_path model/ppyoloe_s.rknn \
  --class_path model/coco_80_labels_list.txt --camera_id -1

使用 --model_path model/ppyoloe_m.rknn 可切换到 PP-YOLOE-M。使用摄像头输入时，请映射 /dev/videoN 并设置匹配的 --camera_id。

启动参数

参数默认值说明
--platform必填rk3576 或 rk3588。
--model_path必填PP-YOLOE-S 或 PP-YOLOE-M RKNN 文件。
--class_pathCOCO 标签用于序列化和绘制的类别名称。
--camera_id1摄像头索引；-1 表示仅上传模式。
--video_path无循环播放的本地 MP4；优先级高于摄像头。
--host / --port0.0.0.0 / 8000服务地址和端口。

REST API

端点： POST /api/models/ppyoloe/predict

bash
curl -X POST "http://<BOARD_IP>:8000/api/models/ppyoloe/predict" \
  -F "file=@bus.jpg" -F "conf=0.30" -F "iou=0.45"
json
{
  "success": true,
  "source": "uploaded image",
  "predictions": [
    {
      "class": "bus",
      "confidence": 0.91,
      "box": {"x1": 120, "y1": 80, "x2": 520, "y2": 430}
    }
  ],
  "image": {"width": 640, "height": 480}
}

输入优先级依次为图像、上传的 MP4 帧，以及当前摄像头或示例视频。GET/POST /api/config 控制全局目标阈值和 NMS 阈值。运行时还提供健康检查、MJPEG、视频上传、异步分析、状态、列表和下载接口。

web_detection.py 执行 letterbox 预处理、RKNN 推理、PP-YOLOE DFL 解码、类别感知 NMS、坐标恢复、渲染和 API 序列化。替换模型必须与该 DFL 解码器和输出布局兼容。

本地构建

bash
docker build -f docker/rk3576/ppyoloe.dockerfile \
  -t rk3576-ppyoloe:local src/rk3576_ppyoloe

docker build -f docker/rk3588/ppyoloe.dockerfile \
  -t rk3588-ppyoloe:local src/rk3588_ppyoloe

输入与输出

Input: image, video frame, or camera frame. Output: COCO classes, confidence scores, and boxes.