CV / ViTPose

ViTPose-Small-BN

reComputer R Series + Hailo-8 上で動作する ViTPose-Small-BN 単一人物 2D 姿勢推定モデル。

38 ダウンロード

サイズ

31 MB

メモリ

4GB+

精度

Hailo HEF / HailoRT 4.23.x (Hailo-8) / 5.1.1 (Hailo-10H)

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-hailo8-vitpose-small-bn \
  --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/vit_pose_small_bn:latest \
  python web_detection.py --model_path model/vit_pose_small_bn.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/vit_pose_small_bn/predict" \
  -F "file=@test.jpg"

Python

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

モデル詳細

reComputer R Series (CM5 + Hailo-8)

reComputer R Series（CM5 + Hailo-8）上の ViTPose-Small-BN

ViTPose-Small-BN は ViTPose-Small の BatchNorm 版です。入出力は同じ（256x192 RGB、64x48x17 ヒートマップ、17 COCO キーポイント）で、精度はわずかに低くなります（AP 72.01 対 74.16）。

モデル情報

項目	値
アーキテクチャ	ViT-Small-BN (ViTPose)
タスク	Single-person pose estimation
入力	256x192x3 RGB
出力	Heatmap 64x48x17
パラメータ	24.32M
演算量	17.17G
HEF	Hailo Model Zoo v2.19.0, Hailo-8

デモ動画で実行

bash

sudo docker run --rm \
  --name cm5-hailo8-vitpose-small-bn \
  --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/vit_pose_small_bn:latest \
  python web_detection.py --model_path model/vit_pose_small_bn.hef --video_path video/test.mp4

REST API

bash

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

エンドポイント	メソッド	用途
`/api/models/vit_pose_small_bn/predict`	POST	17 キーポイント（JSON）
`/api/video_feed`	GET	骨格付き MJPEG プレビュー

開発情報

ソースモジュール: src/rpi5_hailo8_vit_pose_small_bn/
コンテナ: ghcr.io/seeed-projects/recomputer-hailo8-cv/vit_pose_small_bn:latest
ファミリー: vit_pose (vit_pose_small / vit_pose_small_bn)

入力と出力

入力：画像、動画、または USB カメラフレーム。出力：17 個の COCO キーポイント（x、y、スコア）と骨格オーバーレイ。