CV / YOLOv3
YOLOv3
reComputer R Series (CM5 + Hailo-8)
YOLOv3 / YOLOv3-416 / YOLOv3-Gluon / YOLOv3-Gluon-416 在 reComputer R Series + Hailo-8 或 Hailo-10H 上的 COCO 目标检测。
12 次下载
大小
54.7 MB内存
4GB+精度
Hailo HEF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 \
--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.mp4模型详情
reComputer R Series (CM5 + Hailo-8)YOLOv3 / YOLOv3-416 / YOLOv3-Gluon / YOLOv3-Gluon-416 COCO 检测(reComputer R Series,CM5 + Hailo-8)
YOLOv3 的四个变体通过 HailoRT 4.23 在 Hailo-8 上进行 COCO 80 类目标检测。每个 HEF 输出三个原始 YOLOv3 检测头,主机侧完成网格解码(sigmoid + anchor + NMS), 并在 MJPEG 预览上绘制检测框。四个变体共用同一套 Web 服务。
模型信息
| 变体 | 输入 | 打包 HEF | mAP 浮点 / Hailo-8 | FPS(batch 1) | 参数量 / 运算量 | 容器 |
|---|---|---|---|---|---|---|
| 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 |
硬件与主机环境
| 项目 | 值 |
|---|---|
| 开发板 | 搭载 Raspberry Pi CM5 的 reComputer R Series |
| 加速器 | PCIe Hailo-8,设备节点 /dev/hailo0 |
| 运行时 | HailoRT 4.23.x(主机与容器的主次版本必须一致) |
| 容器内 Python | 3.11,aarch64 |
bash
sudo apt update
sudo apt install hailo-all -y
sudo reboot
# 重启后
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 docker使用演示视频运行
选择与模型变体对应的命令。
YOLOv3
bash
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
bash
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
bash
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
bash
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.mp4打开 http://<Board_IP>:8000 查看检测结果。内置的 video/test.mp4 是验证用
演示片段。
USB 摄像头模式
bash
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 0将 yolov3 换成其他变体的镜像和模型名,即可运行 YOLOv3-416、YOLOv3-Gluon 或
YOLOv3-Gluon-416。
REST API
| 变体 | 端点 |
|---|---|
| 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 |
bash
curl -X POST "http://<Board_IP>:8000/api/models/yolov3/predict" \
-F "file=@test.jpg"返回的 predictions 包含 COCO 类别、置信度和检测框。
实现说明
- HEF 输出三个原始 YOLOv3 检测头,片上不做 NMS。主机侧执行 sigmoid、基于 anchor 的网格解码和 NMS。
- 解码公式:
center = (sigmoid(xy) + grid) * stride,size = exp(wh) * anchor,score = sigmoid(obj) * sigmoid(cls)。 - 预处理先 letterbox 到 HEF 输入尺寸(填充色 114),再 BGR→RGB;归一化已编译 进 HEF。
- Anchor:stride 32
[[116,90],[156,198],[373,326]],stride 16[[30,61],[62,45],[59,119]],stride 8[[10,13],[16,30],[33,23]]。
开发说明
- 源码:
src/rpi5_hailo8_yolov3{,_416,_gluon,_gluon_416}/ - Dockerfile:
docker/hailo8/yolov3{,_416,_gluon,_gluon_416}.dockerfile - 容器:
ghcr.io/seeed-projects/recomputer-hailo8-cv/yolov3{,_416,_gluon,_gluon_416}:latest - HEF:Hailo Model Zoo v2.20.0(
hailo8),大小和 SHA256 记录在各模块的model/README.md
输入与输出
输入:图像、视频或 USB 摄像头帧。输出:COCO 80 类检测框、置信度与 MJPEG 预览。