# Phát hiện đối tượng

Trước khi chạy pipeline cho một model, hãy tuân thủ các [Điều kiện tiên quyết](https://docs.qualcomm.com/doc/80-70020-15BV/topic/ai-hub-qualcomm-im-sdk.html#prerequisites) bắt buộc.

Chạy lệnh sau để đảm bảo kết quả hiển thị trên display được kết nối.

export XDG_RUNTIME_DIR=/dev/socket/weston && export WAYLAND_DISPLAY=wayland-1
    Copy to clipboard

## Yolo-V7

YoloV7 là một model học máy có khả năng dự đoán các bounding box và class của đối tượng trong ảnh.

Model này được lượng tử hóa sau huấn luyện thành int8 bằng cách dùng các mẫu từ COCO dataset.

Model AI Hub dựa trên [việc triển khai Yolo-v7 này](https://github.com/WongKinYiu/yolov7/).

- Model: [yolov7](https://github.com/quic/ai-hub-models/tree/main/qai_hub_models/models/yolov7)
- Nhãn: [coco_labels.txt](https://github.com/quic/ai-hub-models/blob/main/qai_hub_models/labels/coco_labels.txt)

gst-launch-1.0 -e --gst-debug=2 \
    filesrc location=/etc/media/video.mp4 ! qtdemux ! queue ! h264parse ! v4l2h264dec capture-io-mode=4 output-io-mode=4 ! video/x-raw,format=NV12 ! queue ! tee name=split \
    split. ! queue ! qtivcomposer name=mixer ! queue ! waylandsink fullscreen=true \
    split. ! queue ! qtimlvconverter ! queue ! qtimltflite delegate=external external-delegate-path=libQnnTFLiteDelegate.so \
    external-delegate-options="QNNExternalDelegate,backend_type=htp;" model=/etc/models/Yolo-v7-Quantized.tflite ! queue ! \
    qtimlvdetection threshold=50.0 results=10 module=yolov8 labels=/etc/labels/coco_labels.txt constants="YOLOv7,q-offsets=<35.0, 0.0, 0.0>,q-scales=<3.4220554, 0.0023370725102722645, 1.0>;" ! \
    video/x-raw,format=BGRA,width=640,height=360 ! queue ! mixer.
    Copy to clipboard

## Yolov8-Detection

Ultralytics Yolov8 là một model học máy có khả năng dự đoán các bounding box và class của đối tượng trong ảnh.

Model này được lượng tử hóa sau huấn luyện thành int8 bằng cách dùng các mẫu từ COCO dataset.

Model AI Hub dựa trên [cách triển khai YOLOv8-Detection-Quantized này](https://github.com/ultralytics/ultralytics/tree/main/ultralytics/models/yolo/detect).

- Model: [YOLOv8-Detection](https://github.com/quic/ai-hub-models/tree/main/qai_hub_models/models/yolov8_det)
- Nhãn: [coco_labels.txt](https://github.com/quic/ai-hub-models/blob/main/qai_hub_models/labels/coco_labels.txt)

gst-launch-1.0 -e --gst-debug=2 \
    filesrc location=/etc/media/video.mp4 ! qtdemux ! queue ! h264parse ! v4l2h264dec capture-io-mode=4 output-io-mode=4 ! video/x-raw,format=NV12 ! queue ! tee name=split \
    split. ! queue ! qtivcomposer name=mixer ! queue ! waylandsink fullscreen=true \
    split. ! queue ! qtimlvconverter ! queue ! qtimltflite delegate=external external-delegate-path=libQnnTFLiteDelegate.so \
    external-delegate-options="QNNExternalDelegate,backend_type=htp,htp_device_id=(string)0,htp_performance_mode=(string)2,htp_precision=(string)1;" model=/etc/models/YOLOv8-Detection-Quantized.tflite ! queue ! \
    qtimlvdetection threshold=50.0 results=10 module=yolov8 labels=/etc/labels/coco_labels.txt constants="YOLOv8,q-offsets=<21.0, 0.0, 0.0>,q-scales=<3.093529462814331, 0.00390625, 1.0>;" ! \
    video/x-raw,format=BGRA,width=640,height=360 ! queue ! mixer.
    Copy to clipboard

Ghi chú

Thêm `htp_device_id=(string)0,htp_performance_mode=(string)2,htp_precision=(string)1` vào `external-delegate-options` trong lệnh bên trên để model chạy trong chế độ Hiệu suất cao trên HTP.

Bạn có thể bật chế độ Hiệu suất cao cho mọi pipeline khác theo cách này.

Last Published: Dec 23, 2025

[Previous Topic
Phân loại hình ảnh](https://docs.qualcomm.com/bundle/publicresource/80-70020-15BV/topics/image-classification.md) [Next Topic
Áp dụng semantic segmentation cho khung hình của video](https://docs.qualcomm.com/bundle/publicresource/80-70020-15BV/topics/semantic-segmentation.md)