CV / PPSeg

PP-LiteSeg

Produces 19-class Cityscapes masks with image, camera, and video service modes.

4 ダウンロード

精度

RKNN

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 --privileged --net=host \
  -e PYTHONUNBUFFERED=1 -e RKNN_LOG_LEVEL=0 \
  --device /dev/dri/renderD129:/dev/dri/renderD129 \
  -v /proc/device-tree/compatible:/proc/device-tree/compatible:ro \
  ghcr.io/seeed-projects/recomputer-rk-cv/rk3576-ppseg:latest \
  python web_service.py --platform rk3576 --model_dir /app/model --camera_id -1 --host 0.0.0.0 --port 8000

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 http://localhost:8080/v1/chat/completions -d '{
  "model": "pp-liteseg-rknn",
  "messages": [{"role": "user", "content": "Hello"}]
}'

Python

import requests

resp = requests.post(
    "http://localhost:8080/v1/chat/completions",
    json={"model": "pp-liteseg-rknn", "messages": [{"role": "user", "content": "Hello"}]},
)
print(resp.json())

モデル詳細

reComputer RK3576およびRK3588でPP-LiteSegを実行する

このサービスはreComputer-RK-CVのPP-LiteSeg Cityscapesサンプルをパッケージ化し、RKNN推論、Webプレビュー、REST API、非同期MP4処理を提供します。

モデル情報

プロパティ	値
モデル	`model/ppseg.rknn`
入力	`512 x 512` RGB
出力	19クラスのCityscapesセグメンテーションマスク
ウォームアップ画像	`model/test.png`

サービスを実行する

RK3576

bash

sudo docker run --rm --privileged --net=host \
  -e PYTHONUNBUFFERED=1 -e RKNN_LOG_LEVEL=0 \
  --device /dev/dri/renderD129:/dev/dri/renderD129 \
  -v /proc/device-tree/compatible:/proc/device-tree/compatible:ro \
  ghcr.io/seeed-projects/recomputer-rk-cv/rk3576-ppseg:latest \
  python web_service.py --platform rk3576 --model_dir /app/model \
  --camera_id -1 --host 0.0.0.0 --port 8000

RK3588

bash

sudo docker run --rm --privileged --net=host \
  -e PYTHONUNBUFFERED=1 -e RKNN_LOG_LEVEL=0 \
  --device /dev/dri/renderD129:/dev/dri/renderD129 \
  -v /proc/device-tree/compatible:/proc/device-tree/compatible:ro \
  ghcr.io/seeed-projects/recomputer-rk-cv/rk3588-ppseg:latest \
  python web_service.py --platform rk3588 --model_dir /app/model \
  --camera_id -1 --host 0.0.0.0 --port 8000

http://<BOARD_IP>:8000または/docsを開きます。カメラではマッピング済みの/dev/videoNノードと--camera_id Nを使用します。同梱動画には--video video/test.mp4を使用します。--videoと--video_pathは別名で、カメラより優先されます。

起動引数

引数	デフォルト	説明
`--platform`	必須	`rk3576`または`rk3588`。
`--model_dir`	`model`	`ppseg.rknn`と`test.png`を含むディレクトリ。
`--camera_id`	`-1`	カメラインデックス。`-1`はキャプチャを無効にします。
`--video`, `--video_path`	なし	ループ再生するローカル動画。カメラより優先されます。
`--host` / `--port`	`0.0.0.0` / `8000`	FastAPIのリッスンアドレスとポート。

PYTHONUNBUFFERED=1はログを直ちにフラッシュします。RKNN_LOG_LEVEL=0は既知の無害な静的モデル初期化メッセージを抑制します。RKNNの起動をデバッグする場合は削除してください。

REST API

エンドポイント： POST /api/models/ppseg/predict

bash

curl -X POST "http://<BOARD_IP>:8000/api/models/ppseg/predict" \
  -F "file=@test.png"

レスポンスには推論時間、元画像の寸法、クラスごとのピクセル数が含まれます。最新のマスクオーバーレイはGET /api/video_feedから配信されます。

エンドポイント	用途
`GET /api/health`	プラットフォーム、モデル名、準備状態。
`GET /api/video_feed`	最新のカラーマスクオーバーレイをMJPEGで配信します。
`POST /api/video/upload`	`file`フィールドでMP4を一つアップロードします。
`POST /api/video/analyze`	アップロード済みの`filename`を解析します。
`GET /api/video/status`	バックグラウンド進捗とエラー。
`GET /api/video/list`	アップロード済みおよび生成済み動画。
`GET /api/video/download/{filename}`	結果をダウンロードします。

汎用のthresholdとtopk設定フィールドはサービス互換性のために保持されていますが、固定argmaxセグメンテーションは変更しません。置き換えるモデルは期待される19クラス出力を維持するか、パレットと後処理コードを更新する必要があります。

ランタイムは入力を512 x 512へリサイズし、BGRからRGBへ変換し、NCHWまたはNHWCの19クラス出力を受け付けます。最近傍補間でマスクを復元し、Cityscapesパレットを重ねます。変換ソースは上流プロジェクトのrknn_model_zoo/examples/ppsegにあります。

ローカルでビルドする

bash

docker build -f docker/rk3576/ppseg.dockerfile \
  -t rk3576-ppseg:local src/rk3576_ppseg

docker build -f docker/rk3588/ppseg.dockerfile \
  -t rk3588-ppseg:local src/rk3588_ppseg

入力と出力

Input: image, video frame, or camera frame. Output: Cityscapes mask, class pixel counts, and overlay.