CV / Pose MSPN

MSPN RegNetX-800MF

reComputer R Series (CM5 + Hailo-10H)

Estimación de pose de una sola persona MSPN con 17 puntos clave COCO en reComputer R Series con Hailo-8 o Hailo-10H.

192 descargas

Tamaño

5.8 MB

Memoria

4GB+

Precisión

Hailo HEF / HailoRT

Elige el dispositivo que estás usando. La guía de configuración y la documentación se actualizarán en consecuencia.

Plataforma

Motor de inferencia

Primeros pasos

Desplegar

sudo docker run --rm \
  --name cm5-hailo-mspn-pose \
  --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/mspn_regnetx_800mf:latest \
  python web_detection.py --model_path model/mspn_regnetx_800mf.hef --video_path video/test.mp4

API REST

Usa la API REST para ejecutar inferencia. Copia los comandos siguientes.

Curl

curl -X POST "http://<Board_IP>:8000/api/models/mspn_regnetx_800mf/predict" \
  -F "file=@test.jpg"

Python

import requests

resp = requests.post(
    "http://<Board_IP>:8000/api/models/mspn_regnetx_800mf/predict",
    files={"file": open("test.jpg", "rb")},
    timeout=30,
)
print(resp.json())

Detalles del modelo

reComputer R Series

MSPN RegNetX-800MF en reComputer R Series (CM5 + Hailo-10H)

MSPN (Multi-Stage Pose Network) con backbone RegNetX-800MF para la estimación de pose de una sola persona con 17 puntos clave COCO, ejecutándose en Hailo-10H mediante HailoRT.

Esta página está dirigida a la reComputer R Series (CM5 + Hailo-10H) con un acelerador Hailo-10H PCIe.

Información del modelo

Propiedad	Valor
Arquitectura	MSPN + RegNetX-800MF
Tarea	Estimación de pose de una sola persona
Entrada	256×192×3 RGB
Salida	17 puntos clave (formato COCO)
Parámetros	7.17M
AP de hardware	69.8%
FPS	2034
Fuente	Hailo Model Zoo

Puntos clave COCO

ID	Nombre	ID	Nombre	ID	Nombre
0	nose	6	right_shoulder	13	left_knee
1	left_eye	7	left_elbow	14	right_knee
2	right_eye	8	right_elbow	15	left_ankle
3	left_ear	9	left_wrist	16	right_ankle
4	right_ear	10	right_wrist
5	left_shoulder	11	left_hip
		12	right_hip

Configuración de hardware y del host

Elemento	Valor
Placa	reComputer R Series con Raspberry Pi CM5
Acelerador	Hailo-10H por PCIe, expuesto como `/dev/hailo0`
SO	Raspberry Pi OS Bookworm, aarch64
Driver del host	paquete apt `hailo-h10-all`

bash

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

# Después de reiniciar
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

Ejecutar con el vídeo de demostración

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/mspn_regnetx_800mf:latest \
  python web_detection.py --model_path model/mspn_regnetx_800mf.hef --video_path video/test.mp4

Abre http://<Board_IP>:8000 para ver la vista previa web. La imagen incluye el código fuente del módulo, el vídeo de demostración, la rueda de Python de HailoRT y los archivos HEF que se listan a continuación.

Modo cámara USB

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/mspn_regnetx_800mf:latest \
  python web_detection.py --model_path model/mspn_regnetx_800mf.hef --camera_id 0

Archivos HEF

HEF	Tamaño	Notas
`mspn_regnetx_800mf.hef`	5.8 MB	Modelo de estimación de pose

API REST

Punto de acceso de predicción:

text

POST http://<Board_IP>:8000/api/models/mspn_regnetx_800mf/predict

Solicitud de imagen de ejemplo:

bash

curl -X POST "http://<Board_IP>:8000/api/models/mspn_regnetx_800mf/predict" \
  -F "file=@test.jpg"

Puntos de acceso comunes del servicio:

Punto de acceso	Método	Propósito
`/`	GET	Interfaz de vista previa web
`/api/models/mspn_regnetx_800mf/predict`	POST	17 puntos clave COCO (JSON)
`/api/video_feed`	GET	Flujo de vista previa MJPEG

Notas de desarrollo

Módulo fuente: src/hailo10h_mspn_regnetx_800mf/
Dockerfile: docker/hailo10h/mspn_regnetx_800mf.dockerfile
Servicio principal: web_detection.py integra la inferencia HailoRT, el postprocesado, la vista previa MJPEG y la predicción REST.

Entradas y salidas

Entrada: imagen (256x192 RGB). Salida: 17 puntos clave con x, y y nivel de confianza (formato COCO).