CV / ResNet
ResNet v1
reComputer R Series (CM5 + Hailo-8)
reComputer R Series + Hailo-8 / Hailo-10H で ResNet v1-18/v1-34/v1-50 による ImageNet 分類。
9 ダウンロード
サイズ
12.5 MBメモリ
4GB+精度
Hailo HEF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。
はじめる
デプロイ
sudo docker run --rm \
--name pi5-hailo8-resnet-v1-18 \
--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/resnet_v1_18:latest \
python web_detection.py --model_path model/resnet_v1_18.hef --video_path video/test.mp4モデル詳細
reComputer R Series (CM5 + Hailo-8)reComputer R Series(CM5 + Hailo-8)での ResNet v1-18/v1-34/v1-50 による ImageNet 分類
ResNet v1-18/v1-34/v1-50 は、HailoRT 4.23 を介して Hailo-8 上で 1000 クラスの ImageNet 分類を行います。 各 HEF は 224×224 の RGB フレームを受け取り、1000 個のスコアを返します。ホスト側で softmax を適用し、スコアを時間方向に平滑化して、MJPEG プレビュー上に Top-K パネルを 重ねて表示します。3 つのバリアントはすべて、同じ Web サービスと Hailo 公式デモ動画を 共有します。
モデル情報
| バリアント | 入力 | パッケージ済み HEF | Top-1 float / Hailo-8 | パラメータ / 演算量 | コンテナ |
|---|---|---|---|---|---|
| ResNet v1-18 | 224×224×3 RGB | 12.5 MB | 71.3 / 71.1 | 11.68M / 3.64G | resnet_v1_18 |
| ResNet v1-34 | 224×224×3 RGB | 15.7 MB | 72.7 / 72.2 | 21.79M / 7.34G | resnet_v1_34 |
| ResNet v1-50 | 224×224×3 RGB | 18.0 MB | 75.2 / 74.7 | 25.53M / 6.98G | resnet_v1_50 |
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 Series |
| アクセラレータ | PCIe 経由の Hailo-8、/dev/hailo0 として公開 |
| ランタイム | HailoRT 4.23.x(ホスト / コンテナで major.minor を一致させる必要があります) |
| コンテナ内 Python | 3.11、aarch64 |
bash
sudo apt update
sudo apt install hailo-all -y
sudo reboot
# After reboot
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
モデルバリアントに対応するコマンドを選択してください。
ResNet v1-18
bash
sudo docker run --rm \
--name pi5-hailo8-resnet-v1-18 \
--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/resnet_v1_18:latest \
python web_detection.py --model_path model/resnet_v1_18.hef --video_path video/test.mp4ResNet v1-34
bash
sudo docker run --rm \
--name pi5-hailo8-resnet-v1-34 \
--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/resnet_v1_34:latest \
python web_detection.py --model_path model/resnet_v1_34.hef --video_path video/test.mp4ResNet v1-50
bash
sudo docker run --rm \
--name pi5-hailo8-resnet-v1-50 \
--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/resnet_v1_50:latest \
python web_detection.py --model_path model/resnet_v1_50.hef --video_path video/test.mp4http://<Board_IP>:8000 を開くと、Top-K オーバーレイを表示できます。同梱の
video/test.mp4 は Hailo 公式の分類デモクリップ(example.mp4、車や人が写る
街路のシーン)です。
USB カメラモード
bash
sudo docker run --rm \
--name pi5-hailo8-resnet-v1-18 \
--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/resnet_v1_18:latest \
python web_detection.py --model_path model/resnet_v1_18.hef --camera_id 0REST API
各バリアントには専用のエンドポイントがあります。
| バリアント | エンドポイント |
|---|---|
| ResNet v1-18 | POST /api/models/resnet_v1_18/predict |
| ResNet v1-34 | POST /api/models/resnet_v1_34/predict |
| ResNet v1-50 | POST /api/models/resnet_v1_50/predict |
bash
curl -X POST "http://<Board_IP>:8000/api/models/resnet_v1_18/predict" \
-F "file=@test.jpg" -F "conf=0.30" -F "iou=5"predictions エントリには、ImageNet クラス名、短いラベル、信頼度が含まれます。
iou は、検出モジュールとの API 互換性のために Top-K の件数として流用されます。
実装上の注意
- 各 HEF は 1000 次元のスコアベクトルを 1 つだけ公開します。コンパイル時に
softmaxとargmaxは無効化されているため、softmax と Top-K はホスト側で実行します。 - 前処理は 224×224 への単純なリサイズと BGR→RGB 変換のみです。ImageNet の mean/std 正規化は HEF にコンパイルされています。レターボックスは使用しません。
- ライブプレビューでは、ラベルのちらつきを防ぐために確率ベクトルを平滑化し(前回 0.6 + 今回 0.4)、その後 Top-K パネルを描画します。
- HEF の入力サイズは起動時に読み取ります(224×224)。
開発上の注意
- ソース:
src/rpi5_hailo8_resnet_v1_{18,34,50}/ - Dockerfile:
docker/hailo8/resnet_v1_{18,34,50}.dockerfile - コンテナ:
ghcr.io/seeed-projects/recomputer-hailo8-cv/resnet_v1_{18,34,50}:latest - HEF: Hailo Model Zoo v2.20.0(
hailo8)。サイズと SHA256 は各モジュールのmodel/README.mdに記載されています。 - デモ動画:
https://hailo-csdata.s3.eu-west-2.amazonaws.com/resources/video/example.mp4(hailo-ai/hailo-appsより、MIT)
入力と出力
入力: 画像、動画、またはUSBカメラフレーム。出力: Top-K の ImageNet クラスと信頼度。