CV / RetinaFace
RetinaFace MobileNet-v1
reComputer R Series (CM5 + Hailo-8)
Hailo-8 搭載の reComputer R Series で、顔を単一クラスとして検出し、各顔に 5 点のランドマークを出力します。
18 ダウンロード
サイズ
6.3 MBメモリ
4GB+精度
Hailo HEF / HailoRT 4.23.x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 cm5-hailo8-retinaface \
--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/retinaface_mobilenet_v1:latest \
python web_detection.py --model_path model/retinaface_mobilenet_v1.hef --video_path video/test.mp4REST 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/retinaface_mobilenet_v1/predict" \
-F "file=@test.jpg"Python
import requests
response = requests.post(
"http://<Board_IP>:8000/api/models/retinaface_mobilenet_v1/predict",
files={"file": open("test.jpg", "rb")},
timeout=30,
)
print(response.json())モデル詳細
reComputer R Series (CM5 + Hailo-8) で RetinaFace MobileNet-v1 を実行
RetinaFace は HailoRT を介して Hailo-8 上で顔と、顔ごとの 5 個のキーポイント(両目、鼻先、口角)を検出します。HEF は 9 個の生のヘッドを出力し、ホスト CPU 上でデコードします。
モデル情報
| 項目 | 値 |
|---|---|
| アーキテクチャ | RetinaFace、MobileNet-v1 バックボーン (biubug6/Pytorch_Retinaface) |
| タスク | 顔検出 |
| 入力 | 736x1280x3 BGR (normalize_in_net mean [123,117,104]) |
| 出力 | 9 ヘッド:3 スケール x {bbox, conf, landmark} |
| 事前アンカー | 38,640 アンカー(2/セル、特徴マップ 92x160/46x80/23x40) |
| クラス数 | 1(顔)+ 検出ごとに 5 個のランドマーク |
| パラメータ数 | 3.49M |
| 演算量 | 25.14G |
| mAP (WIDER FACE) | 81.3% ハードウェア参照値 |
| HEF | Hailo Model Zoo v2.19.0, Hailo-8 |
上記の精度は Hailo Model Zoo の参照値であり、CM5 上で測定したベンチマークではありません。
デモ動画で実行
bash
sudo docker run --rm \
--name cm5-hailo8-retinaface \
--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/retinaface_mobilenet_v1:latest \
python web_detection.py --model_path model/retinaface_mobilenet_v1.hef --video_path video/test.mp4http://<Board_IP>:8000 を開いて Web プレビューを確認します(MJPEG ストリームに顔のボックスと緑色のキーポイントを重ねます)。
REST API
bash
curl -X POST "http://<Board_IP>:8000/api/models/retinaface_mobilenet_v1/predict" \
-F "file=@test.jpg"| エンドポイント | メソッド | 用途 |
|---|---|---|
/ | GET | Web プレビュー画面 |
/api/models/retinaface_mobilenet_v1/predict | POST | 顔 + ランドマーク(JSON) |
/api/video_feed | GET | MJPEG プレビューストリーム |
/api/config | GET / POST | 信頼度 / NMS IOU しきい値 |
実装上の注意
- CPU 後処理(
meta_arch=retinaface):チップ上 NMS は使用しません。アンカー生成、SSD デコード(分散 10/5)、softmax 信頼度、貪欲 NMS、ランドマークデコードは Model Zoo のface_detection_postprocessing.pyの numpy 移植です。 - 公式 reshape に従うヘッド構成:8 チャネル = bbox(2 アンカー x 4 座標)、4 チャネル = confidence(2 アンカー x {background, face})、20 チャネル = landmarks(2 アンカー x 10 座標)。
- alls スクリプトは HEF 内で
input_conversion(bgr_to_rgb)を適用し、アプリは生の uint8 BGR フレームを入力します。 - 前処理:縦横比を維持してリサイズし、下/右をパディング(色 0)して 736x1280 にします。
開発上の注意
- ソースモジュール:
src/rpi5_hailo8_retinaface_mobilenet_v1/ - Dockerfile:
docker/hailo8/retinaface_mobilenet_v1.dockerfile - コンテナ:
ghcr.io/seeed-projects/recomputer-hailo8-cv/retinaface_mobilenet_v1:latest - ファミリー:RetinaFace(バリアント:mobilenet_v1)
入力と出力
入力:画像、動画、または USB カメラのフレーム。出力:信頼度付きの顔ボックス、顔ごとの 5 つのキーポイント(目、鼻、口角)、注釈付き MJPEG プレビュー。