CV / STDC1

STDC1

reComputer R Series (CM5 + Hailo-8)

Segmentation sémantique en temps réel STDC1 sur reComputer série R avec Hailo-10H.

53 téléchargements

Taille

11 MB

Mémoire

4GB+

Précision

Hailo HEF / HailoRT

Choisissez l'appareil que vous utilisez. Le guide de configuration et la documentation seront mis à jour en conséquence.

Plateforme

Moteur d'inférence

Pour commencer

Déployer

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

API REST

Utilisez l'API REST pour exécuter l'inférence. Copiez les commandes ci-dessous.

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())

Détails du modèle

reComputer série R (CM5 + Hailo-8)

STDC1 sur reComputer série R (CM5 + Hailo-8)

STDC1 (Short-Term Dense Concatenate) exécute une segmentation sémantique en temps réel avec 19 classes Cityscapes sur Hailo-8 via HailoRT.

Cette page concerne le reComputer série R (CM5 + Hailo-8) équipé d'un accélérateur PCIe Hailo-8.

Informations sur le modèle

Property	Value
Architecture	STDC1 (Short-Term Dense Concatenate)
Task	Semantic segmentation
Input	1024x1920x3 RGB
Output	1024x1920 class mask (19 classes)
Parameters	8.27M
mIoU (Cityscapes)	73.8% hardware reference
HEF	Hailo Model Zoo v2.19.0, Hailo-8

La précision ci-dessus est la valeur de référence du Hailo Model Zoo, et non une mesure réalisée sur CM5.

Classes Cityscapes

ID	Class	ID	Class	ID	Class
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

Configuration du matériel et de l'hôte

Item	Value
Board	reComputer R Series with Raspberry Pi CM5
Accelerator	Hailo-8 over PCIe, exposed as `/dev/hailo0`
Runtime	HailoRT 4.23.x
Python in container	3.11, aarch64

Installez les paquets Hailo-8 sur l'hôte et vérifiez que le pilote et le périphérique sont prêts avant de démarrer le conteneur :

bash

sudo apt update
sudo apt install hailo-all
sudo reboot

# After reboot
hailortcli --version
hailortcli fw-control identify
ls -l /dev/hailo0

La version HailoRT attendue pour cette image est 4.23.x.

Exécution avec la vidéo de démonstration

bash

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

Ouvrez http://<Board_IP>:8000 pour afficher l'aperçu web.

Mode caméra USB

bash

sudo docker run --rm \
  --name cm5-hailo8-stdc1 \
  --privileged \
  --net=host \
  -e PYTHONUNBUFFERED=1 \
  --device /dev/hailo0:/dev/hailo0 \
  --device /dev/video0:/dev/video0 \
  -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 --camera_id 0

REST API

Point de terminaison d'inférence :

text

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

Exemple de requête d'image :

bash

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

Endpoint	Method	Purpose
`/`	GET	Web preview UI
`/api/models/stdc1/predict`	POST	Segmentation mask (JSON)
`/api/models/stdc1/visualize`	POST	Overlay image (JPEG)
`/api/models/stdc1/classes`	GET	Cityscapes class list
`/api/video_feed`	GET	MJPEG preview stream

Notes de développement

Source module: src/rpi5_hailo8_stdc1/
Dockerfile: docker/hailo8/stdc1.dockerfile
Container: ghcr.io/seeed-projects/recomputer-hailo8-cv/stdc1:latest
The module uses the HailoRT 4.23 VStreams API and a Hailo-8-specific HEF.

Entrées et sorties

Entrée : image (1024x1920 RGB). Sortie : masque de segmentation sémantique à 19 classes (Cityscapes).