CV / Tiny Yolo

Tiny-YOLOv3

reComputer R Series (CM5 + Hailo-10H)

COCO 80 类目标检测，Tiny-YOLOv3（CPU YOLOv3 解码），适用于 reComputer R Series + Hailo-8 或 Hailo-10H。

43 次下载

大小

8.4 MB

内存

4GB+

精度

Hailo HEF / HailoRT 4.23.x (Hailo-8) / 5.1.1 (Hailo-10H)

选择你正在使用的设备，设置指南和文档将相应更新。

平台

推理引擎

快速开始

部署

sudo docker run --rm \
  --name cm5-hailo10h-tiny-yolov3 \
  --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/tiny_yolov3:latest \
  python web_detection.py --model_path model/tiny_yolov3.hef --video_path video/test.mp4

REST API

使用 REST API 进行推理。复制以下命令。

Curl

curl -X POST "http://<Board_IP>:8000/api/models/tiny_yolov3/predict" \
  -F "file=@test.jpg"

Python

import requests

response = requests.post(
    "http://<Board_IP>:8000/api/models/tiny_yolov3/predict",
    files={"file": open("test.jpg", "rb")},
    timeout=30,
)
print(response.json())

模型详情

reComputer CM5 + Hailo-10H

Tiny-YOLOv3 在 reComputer CM5 + Hailo-10H 上运行

Tiny-YOLOv3 通过 HailoRT 5.1.1 在 Hailo-10H 上执行 COCO 80 类目标检测。HEF 输出 2 个原始 YOLO 头（13x13x255、26x26x255）；anchor 解码与 NMS 在主机 CPU 上运行。

模型信息

属性	值
架构	Tiny-YOLOv3（COCO-80）
任务	目标检测
输入	416x416x3 BGR，保持宽高比缩放 + 补零（mobilenet_ssd_ar）
输出	2 个头：13x13x255（stride 32）、26x26x255（stride 16）
参数量	8.85M
计算量	5.58G
mAP（COCO，全精度）	14.59%（硬件参考值）
HEF	Hailo Model Zoo v5.4.0，Hailo-10H（7.1 MB）

硬件与主机设置

项目	值
开发板	reComputer R Series（树莓派 CM5）
加速器	Hailo-10H，PCIe 接口，设备节点为 `/dev/hailo0`
主机驱动	`hailo-h10-all` apt 包
运行时	HailoRT 5.1.1
容器内 Python	3.13，aarch64

bash

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

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

使用演示视频运行

bash

sudo docker run --rm \
  --name cm5-hailo10h-tiny-yolov3 \
  --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/tiny_yolov3:latest \
  python web_detection.py --model_path model/tiny_yolov3.hef --video_path video/test.mp4

打开 http://<Board_IP>:8000 查看 Web 预览。

REST API

bash

curl -X POST "http://<Board_IP>:8000/api/models/tiny_yolov3/predict"   -F "file=@test.jpg"

实现说明

anchor/stride 已对照 Model Zoo v5.4.0 的 10H YAML 核验： stride 32 {[81,82],[135,169],[344,319]}，stride 16 {[23,27],[37,58],[81,82]}。
预处理：保持宽高比缩放 + 补零，原始 BGR（对应配置无 bgr_to_rgb，归一化为 0/255）——不是灰色 114 的 RGB letterbox。
执行器为 HailoRT 5.1.1 多输出 FLOAT32 封装；按 SOP 验收清单，首次推理会打印每个头的数值范围。

开发说明

源码模块：src/hailo10h_tiny_yolov3/
Dockerfile：docker/hailo10h/tiny_yolov3.dockerfile
容器镜像：ghcr.io/seeed-projects/recomputer-hailo10h-cv/tiny_yolov3:latest

输入与输出

Input: image, video, or USB camera frame. Output: COCO 80-class detection boxes with confidences, plus an annotated MJPEG preview.