CV / ArcFace

ArcFace MobileFaceNet

reComputer R Series (CM5 + Hailo-10H)

ArcFace-Gesichtserkennung (2,04 M Parameter, 99,4 % LFW) auf reComputer R Series mit Hailo-8 oder Hailo-10H.

58 Downloads

Größe

3.91 MB

Speicher

4GB+

Präzision

Hailo HEF / HailoRT

Wähle das Gerät, das du verwendest. Die Einrichtungsanleitung und Dokumentation werden entsprechend aktualisiert.

Plattform

Inferenz-Engine

Erste Schritte

Bereitstellen

sudo docker run --rm \
  --name cm5-hailo-arcface \
  --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/arcface_mobilefacenet:latest \
  python web_detection.py --model_path model/arcface_mobilefacenet.hef --video_path video/test.mp4

REST API

Verwende die REST API für die Inferenz. Kopiere die folgenden Befehle.

Curl

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

Python

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

Modelldetails

reComputer R Series (CM5 + Hailo-10H)

ArcFace MobileFaceNet auf reComputer R Series (CM5 + Hailo-10H)

ArcFace mit MobileFaceNet-Backbone extrahiert über HailoRT 512-dimensionale Gesichts-Embeddings auf Hailo-10H. Das Embedding dient der Gesichtsverifikation und -identifikation; der Vergleich selbst erfolgt im Client per Kosinus-Ähnlichkeit.

Diese Seite richtet sich an reComputer R Series (CM5 + Hailo-10H) mit einem PCIe-Hailo-10H-Beschleuniger.

Modellinformationen

Eigenschaft	Wert
Architektur	ArcFace mit MobileFaceNet-Backbone
Aufgabe	Gesichtserkennung (Embedding-Extraktion)
Eingabe	112x112x3 RGB (Letterbox, Normalisierung im HEF kompiliert)
Ausgabe	512-dimensionales Gesichts-Embedding
Parameter	2.04M
LFW-Genauigkeit	99,4 % (Hailo-Model-Zoo-Referenz)
HEF	Hailo Model Zoo v5.4.0, Hailo-10H

Die Genauigkeit ist die Referenz aus dem Hailo Model Zoo; sie ist kein auf dem CM5 gemessener Benchmark.

Hardware und Host-Setup

Element	Wert
Board	reComputer R Series mit Raspberry Pi CM5
Beschleuniger	Hailo-10H über PCIe, verfügbar als `/dev/hailo0`
Runtime	HailoRT 5.1.1
Python im Container	3.13, aarch64

Installieren Sie die Hailo-10H-Pakete auf dem Host und prüfen Sie Treiber und Gerät, bevor Sie den Container starten:

bash

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

# Nach dem Neustart
hailortcli --version
hailortcli fw-control identify
ls -l /dev/hailo0

Ausführung mit dem Demo-Video

bash

sudo docker run --rm \
  --name cm5-hailo-arcface \
  --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/arcface_mobilefacenet:latest \
  python web_detection.py --model_path model/arcface_mobilefacenet.hef --video_path video/test.mp4

Öffnen Sie http://<Board_IP>:8000 für die Web-Vorschau. Jedes Frame wird mit der Embedding-Dimension annotiert, und die REST API liefert den vollständigen 512-dimensionalen Vektor.

USB-Kameramodus

bash

sudo docker run --rm \
  --name cm5-hailo-arcface \
  --privileged \
  --net=host \
  -e PYTHONUNBUFFERED=1 \
  --device /dev/hailo0:/dev/hailo0 \
  --device /dev/video0:/dev/video0 \
  -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/arcface_mobilefacenet:latest \
  python web_detection.py --model_path model/arcface_mobilefacenet.hef --camera_id 0

REST API

text

POST http://<Board_IP>:8000/api/models/arcface_mobilefacenet/predict

bash

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

json

{
  "success": true,
  "source": "uploaded image",
  "embedding": [0.023, -0.156, 0.089, "..."],
  "dimension": 512,
  "image": { "width": 1280, "height": 720 }
}

Endpunkt	Methode	Zweck
`/`	GET	Web-Vorschau-Oberfläche
`/api/models/arcface_mobilefacenet/predict`	POST	Gesichts-Embedding (JSON)
`/api/video_feed`	GET	MJPEG-Vorschaustream
`/api/config`	GET / POST	Laufzeit-Schwellenwerte lesen oder ändern
`/api/video/upload`	POST	Quellvideo hochladen
`/api/video/analyze`	POST	Offline-Videoanalyse starten
`/api/video/status`	GET	Analysefortschritt lesen
`/api/video/download/{filename}`	GET	Annotiertes Ergebnis herunterladen

Die Gesichtsverifikation ist kein eigener Endpunkt: Vergleichen Sie zwei zurückgegebene Embeddings im Client per Kosinus-Ähnlichkeit (beide Vektoren zuvor L2-normalisieren).

HEF-Dateien

HEF	Größe	Hinweise
`arcface_mobilefacenet.hef`	2,666,496 bytes	Hailo-10H-Build, Model Zoo v5.4.0

Implementierungshinweise

Das HEF enthält eine eigene Normalisierungsschicht; die Anwendung letterboxt daher auf 112x112, wandelt BGR in RGB um und übergibt uint8-Pixel unverändert.
Das Embedding wird aus dem fc1-Ausgang gelesen, wenn der vstream-Name sichtbar ist; andernfalls wird der erste Ausgabe-Tensor verwendet. Die erste Inferenz protokolliert alle vstream-Namen und Shapes.
Leere Embeddings oder Embeddings mit nicht-finiten Werten werden abgelehnt statt als gültiges Ergebnis zurückgegeben.

Entwicklungshinweise

Quellmodul: src/hailo10h_arcface_mobilefacenet/
Dockerfile: docker/hailo10h/arcface_mobilefacenet.dockerfile
Container: ghcr.io/seeed-projects/recomputer-hailo10h-cv/arcface_mobilefacenet:latest
Das Modul nutzt die HailoRT-5.1.1-InferModel-API und ein Hailo-10H-spezifisches HEF.

Eingaben und Ausgaben

Eingabe: Bild (112x112 RGB). Ausgabe: 512-dimensionales Gesichts-Embedding; der Vergleich erfolgt im Client.