CV / FCN ResNet

FCN8 ResNet-18

reComputer R Series (CM5 + Hailo-10H)

FCN-8s mit ResNet-18-Backbone für semantische Segmentierung auf reComputer R Series mit Hailo-10H.

29 Downloads

Größe

9.2 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-fcn8-resnet \
  --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/fcn8_resnet_v1_18:latest \
  python web_detection.py --model_path model/fcn8_resnet_v1_18.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/fcn8_resnet/predict" \
  -F "file=@test.jpg"

Python

import requests

resp = requests.post(
    "http://<Board_IP>:8000/api/models/fcn8_resnet/predict",
    files={"file": open("test.jpg", "rb")},
    timeout=30,
)
print(resp.json())

Modelldetails

FCN8 ResNet-18 auf reComputer R Series (CM5 + Hailo-10H)

FCN-8s (vollständig konvolutionelles Netzwerk) mit ResNet-18-Backbone zur semantischen Segmentierung läuft über HailoRT auf Hailo-10H.

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

Modellinformationen

Eigenschaft	Wert
Architektur	FCN-8s + ResNet-18
Aufgabe	Semantische Segmentierung
Eingabe	1024×1920×3 RGB
Ausgabe	1024×1920-Klassenmaske (19 Klassen)
Parameter	11.20M
mIoU (Cityscapes)	69.2% (Hardware)
Quelle	Hailo Model Zoo

Cityscapes-Klassen

ID	Klasse	ID	Klasse	ID	Klasse
0	Straße	7	Verkehrsschild	14	Lkw
1	Gehweg	8	Vegetation	15	Bus
2	Gebäude	9	Gelände	16	Zug
3	Mauer	10	Himmel	17	Motorrad
4	Zaun	11	Person	18	Fahrrad
5	Pfosten	12	Fahrer eines Zweirads
6	Ampel	13	Auto

Hardware- und Hosteinrichtung

Eintrag	Wert
Board	reComputer R Series mit Raspberry Pi CM5
Beschleuniger	Hailo-10H über PCIe, verfügbar als `/dev/hailo0`
Betriebssystem	Raspberry Pi OS Bookworm, aarch64
Hosttreiber	apt-Paket `hailo-h10-all`

bash

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

# After reboot
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

Mit Demovideo ausführen

bash

sudo docker run --rm --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/fcn8_resnet_v1_18:latest \
  python web_detection.py --model_path model/fcn8_resnet_v1_18.hef --video_path video/test.mp4

Öffnen Sie http://<Board_IP>:8000 für die Webvorschau. Das Image enthält Modulquellcode, Demovideo, HailoRT-Python-Wheel und die unten aufgeführten HEF-Dateien.

USB-Kameramodus

bash

sudo docker run --rm --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/fcn8_resnet_v1_18:latest \
  python web_detection.py --model_path model/fcn8_resnet_v1_18.hef --camera_id 0

HEF-Dateien

HEF	Größe	Hinweise
`fcn8_resnet_v1_18.hef`	9.2 MB	Modell für semantische Segmentierung

REST-API

Vorhersage-Endpunkt:

text

POST http://<Board_IP>:8000/api/models/fcn8_resnet/predict

Beispiel einer Bildanfrage:

bash

curl -X POST "http://<Board_IP>:8000/api/models/fcn8_resnet/predict" \
  -F "file=@test.jpg"

Häufig verwendete Dienst-Endpunkte:

Endpunkt	Methode	Zweck
`/`	GET	Webvorschau-Oberfläche
`/api/models/fcn8_resnet/predict`	POST	Pixelabdeckung je Klasse (JSON)
`/api/video_feed`	GET	MJPEG-Vorschaustream

Entwicklungshinweise

Quellmodul: src/hailo10h_fcn8_resnet_v1_18/
Dockerfile: docker/hailo10h/fcn8_resnet_v1_18.dockerfile
Hauptdienst: web_detection.py kapselt HailoRT-Inferenz, Nachverarbeitung, MJPEG-Vorschau und REST-Vorhersage.

Eingaben und Ausgaben

Input: image (1024x1920 RGB). Output: 19-class semantic segmentation mask (Cityscapes).