CV / STDC1

STDC1

STDC1 Echtzeit-semantische Segmentierung auf reComputer R Series mit Hailo-8 oder Hailo-10H.

61 Downloads

Größe

11 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-hailo8-stdc1 \
  --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/stdc1:latest \
  python web_detection.py --model_path model/stdc1.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/stdc1/predict" \
  -F "file=@test.jpg"

Python

import requests

resp = requests.post(
    "http://<Board_IP>:8000/api/models/stdc1/predict",
    files={"file": open("test.jpg", "rb")},
    timeout=30,
)
print(resp.json())

Modelldetails

reComputer R Series (CM5 + Hailo-10H)

STDC1 auf reComputer R Serie (CM5 + Hailo-10H)

STDC1 (Short-Term Dense Concatenate) semantische Echtzeit-Segmentierung mit Cityscapes 19-Klassen-Ausgabe, laeuft auf Hailo-10H ueber HailoRT.

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

Modellinformationen

Eigenschaft	Wert
Architektur	STDC1 (Short-Term Dense Concatenate)
Aufgabe	Semantische Segmentierung
Eingabe	1024x1920x3 RGB
Ausgabe	1024x1920 Klassenmaske (19 Klassen)
Parameter	8,27M
mIoU (Cityscapes)	73,7% (Hardware)
Quelle	Hailo Model Zoo

Cityscapes-Klassen

ID	Klasse	ID	Klasse	ID	Klasse
0	road	7	traffic sign	14	truck
1	sidewalk	8	vegetation	15	bus
2	building	9	terrain	16	train
3	wall	10	sky	17	motorcycle
4	fence	11	person	18	bicycle
5	pole	12	rider
6	traffic light	13	car

Hardware- und Host-Einrichtung

Element	Wert
Board	reComputer R Serie mit Raspberry Pi CM5
Beschleuniger	Hailo-10H ueber PCIe, bereitgestellt als `/dev/hailo0`
Betriebssystem	Raspberry Pi OS Bookworm, aarch64
Host-Treiber	`hailo-all` apt-Paket

bash

sudo apt update
sudo apt install hailo-all
sudo reboot

# Nach dem Neustart
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 Demo-Video ausfuehren

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/stdc1:latest \
  python web_detection.py --model_path model/stdc1.hef --video_path video/test.mp4

Oeffnen Sie http://<Board_IP>:8000, um die Web-Vorschau anzuzeigen. Das Image enthaelt den Modulquellcode, das Demo-Video, das HailoRT-Python-Wheel und die unten aufgefuehrten HEF-Dateien.

USB-Kamera-Modus

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/stdc1:latest \
  python web_detection.py --model_path model/stdc1.hef --camera_id 0

HEF-Dateien

HEF	Groesse	Hinweise
`stdc1.hef`	11 MB	Semantisches Segmentierungsmodell

REST-API

Vorhersage-Endpunkt:

text

POST http://<Board_IP>:8000/api/models/stdc1/predict

Beispiel fuer eine Bildanfrage:

bash

curl -X POST "http://<Board_IP>:8000/api/models/stdc1/predict" \
  -F "file=@test.jpg"

Allgemeine Dienst-Endpunkte:

Endpunkt	Methode	Zweck
`/`	GET	Web-Vorschau-UI
`/api/models/stdc1/predict`	POST	Segmentierungsmaske (JSON)
`/api/models/stdc1/visualize`	POST	Ueberlagerungsbild (JPEG)
`/api/models/stdc1/classes`	GET	Cityscapes-Klassenliste
`/api/video_feed`	GET	MJPEG-Vorschau-Stream

Entwicklungshinweise

Quellmodul: src/hailo10h_stdc1/
Dockerfile: docker/hailo10h/stdc1.dockerfile
Hauptdienst: web_detection.py --model_path model/stdc1.hef umschliesst HailoRT-Inferenz, Nachbearbeitung, MJPEG-Vorschau und REST-Vorhersage.

Eingaben und Ausgaben

Eingabe: Bild (1024x1920 RGB). Ausgabe: 19-Klassen semantische Segmentierungsmaske (Cityscapes).