CV / MSPN Pose

MSPN RegNetX-800MF

MSPN（Multi-Stage Pose Network）とRegNetX-800MFバックボーンにより、HailoRT推論を通じて17個のCOCOキーポイントを用いたリアルタイム単人姿勢推定を実行します。

サイズ

1.3 MB

メモリ

4GB+

精度

Hailo HEF / HailoRT

使用しているデバイスを選択してください。セットアップガイドとドキュメントがそれに応じて更新されます。

プラットフォーム

推論エンジン

はじめる

デプロイ

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/*.hef --video_path video/test.mp4

REST API

REST API を使用して推論を実行します。以下のコマンドをコピーしてください。

Curl

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

Python

import requests

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

モデル詳細

MSPN RegNetX-800MF（reComputer Rシリーズ CM5 + Hailo-10H対応）

MSPN（Multi-Stage Pose Network）とRegNetX-800MFバックボーンによる単人姿勢推定（17 COCOキーポイント）、Hailo-10H上でHailoRT経由で実行。

このページはPCIe Hailo-10Hアクセラレータ搭載の**reComputer Rシリーズ（CM5 + Hailo-10H）**を対象としています。

モデル情報

項目	値
アーキテクチャ	MSPN + RegNetX-800MF
タスク	単人姿勢推定
入力	256×192×3 RGB
出力	17キーポイント（COCO形式）
パラメータ数	7.17M
ハードウェアAP	69.8%
FPS	2034
ソース	Hailo Model Zoo

COCOキーポイント

ID	名称	ID	名称	ID	名称
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

ハードウェアとホストのセットアップ

項目	値
ボード	Raspberry Pi CM5搭載reComputer Rシリーズ
アクセラレータ	Hailo-10H（PCIe接続）、`/dev/hailo0`として公開
OS	Raspberry Pi OS Bookworm, aarch64
ホストドライバ	`hailo-all` aptパッケージ

bash

sudo apt update
sudo apt install hailo-all
sudo reboot

# 再起動後
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

デモ動画で実行

bash

sudo docker run --rm --privileged --net=host \
  -e PYTHONUNBUFFERED=1 \
  --device /dev/hailo0:/dev/hailo0 \
  -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 --video_path video/test.mp4

http://<R20_IP>:8000を開いてWebプレビューを表示します。イメージにはモジュールソース、デモ動画、HailoRT Python wheel、および以下に示すHEFファイルが含まれています。

USBカメラモード

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:/usr/lib/libhailort.so:ro \
  ghcr.io/seeed-projects/recomputer-hailo10h-cv/mspn_regnetx_800mf:latest \
  python web_detection.py --camera_id 0

HEFファイル

HEF	サイズ	備考
`mspn_regnetx_800mf.hef`	1.3 MB	姿勢推定モデル

REST API

予測エンドポイント：

text

POST http://<R20_IP>:8000/api/models/mspn_pose/predict

画像リクエストの例：

bash

curl -X POST "http://<R20_IP>:8000/api/models/mspn_pose/predict" \
  -F "file=@test.jpg"

共通サービスエンドポイント：

エンドポイント	メソッド	目的
`/`	GET	WebプレビューUI
`/api/models/mspn_pose/predict`	POST	単一フレームキーポイント推論
`/api/models/mspn_pose/visualize`	POST	姿勢オーバーレイ可視化
`/api/models/mspn_pose/keypoints`	GET	キーポイント定義
`/api/video_feed`	GET	MJPEGプレビューストリーム

開発ノート

ソースモジュール: src/hailo10h_mspn_regnetx_800mf/
Dockerfile: docker/hailo10h/mspn_regnetx_800mf.dockerfile
メインサービス: web_detection.pyはHailoRT推論、後処理、MJPEGプレビュー、REST予測をラップします。

入力と出力

入力: 画像（256x192 RGB）。出力: x、y、信頼度付き17キーポイント（COCO形式）。