← モデル

CV / YOLOv8

YOLOv8-pose

reComputer R Series (CM5 + Hailo-10H)

人物キーポイント検出の高速エッジデプロイ向け軽量YOLOv8 nano Poseモデル

802 ダウンロード
サイズ
10.10 MB
メモリ
4GB+
精度
INT8

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-hailo10h-yolov8s-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/yolov8s_pose:latest \
  python web_detection.py --model_path model/yolov8s_pose.hef --video_path video/test.mp4

モデル詳細

reComputer R Series (CM5 + Hailo-10H)

reComputer R Series（CM5 + Hailo-10H）上の YOLOv8 Pose

YOLOv8 Pose は HailoRT 経由で Hailo-10H 上で人体キーポイント推定を実行します。人物を検出し、1 人につき 1 つのボックスと 17 個の COCO キーポイントを返し、ブラウザプレビュー、単一画像 API、オフライン映像解析を提供します。

本ページは PCIe Hailo-10H アクセラレータを搭載した reComputer R Series（CM5 + Hailo-10H） を対象とします。

モデル情報

項目値
アーキテクチャYOLOv8 Pose
タスク姿勢推定（人物ボックス + 17 個の COCO キーポイント）
入力640x640x3 RGB（レターボックス、正規化は HEF に内蔵）
出力生のポーズヘッド：人物ごとのボックス、スコア、17 個の COCO キーポイント（NMS はホスト側）
クラス1（person）
HEF（既定）yolov8s_pose.hef、13,799,424 バイト
HEF（大）yolov8m_pose.hef、29,335,552 バイト
HEF の入手元Hailo Model Zoo v5.4.0、Hailo-10H

Hailo Model Zoo の Hailo-10H 向けビルドは s と m の 2 種類で、サイズごとに独立したイメージ（yolov8s_pose / yolov8m_pose）になっています。

ハードウェアとホスト設定

項目値
ボードreComputer R Series（Raspberry Pi CM5 搭載）
アクセラレータPCIe 接続の Hailo-10H（/dev/hailo0）
ランタイムHailoRT 5.1.1
コンテナ内 Python3.13, aarch64

ホストに Hailo-10H パッケージをインストールし、コンテナ起動前にドライバーとデバイスを確認します：

bash
sudo apt update
sudo apt install hailo-h10-all -y
sudo reboot

# 再起動後
hailortcli --version
hailortcli fw-control identify
ls -l /dev/hailo0

同梱デモ映像での実行

bash
sudo docker run --rm \
  --name cm5-hailo10h-yolov8s-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/yolov8s_pose:latest \
  python web_detection.py --model_path model/yolov8s_pose.hef --video_path video/test.mp4

http://<Board_IP>:8000 を開くとプレビューが表示され、人物ボックスと COCO スケルトンが重ねて描画されます。

より大きなモデル

bash
sudo docker run --rm \
  --name cm5-hailo10h-yolov8m-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/yolov8m_pose:latest \
  python web_detection.py --model_path model/yolov8m_pose.hef --video_path video/test.mp4

USB カメラモード

bash
sudo docker run --rm \
  --name cm5-hailo10h-yolov8s-pose \
  --privileged \
  --net=host \
  -e PYTHONUNBUFFERED=1 \
  --device /dev/hailo0:/dev/hailo0 \
  --device /dev/video0:/dev/video0 \
  -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/yolov8s_pose:latest \
  python web_detection.py --model_path model/yolov8s_pose.hef --camera_id 0

REST API

text
POST http://<Board_IP>:8000/api/models/yolov8_pose/predict
bash
curl -X POST "http://<Board_IP>:8000/api/models/yolov8_pose/predict" \
  -F "file=@test.jpg"
json
{
  "success": true,
  "source": "uploaded image",
  "predictions": [
    {
      "class": "person",
      "confidence": 0.91,
      "box": {"x1": 120, "y1": 80, "x2": 360, "y2": 520},
      "keypoints": [{"x": 180, "y": 120, "score": 0.87}]
    }
  ],
  "image": {"width": 1280, "height": 720}
}
エンドポイントメソッド用途
/GETWeb プレビュー UI
/api/models/yolov8_pose/predictPOST人物ボックスとキーポイント（JSON）
/api/video_feedGETMJPEG プレビュー配信
/api/configGET / POST実行時しきい値の取得・変更
/api/video/uploadPOSTソース映像のアップロード
/api/video/analyzePOSTオフライン映像解析の開始
/api/video/statusGET解析進捗の取得
/api/video/download/{filename}GET注釈付き結果のダウンロード

スコアがしきい値（0.30）未満のキーポイントは応答に含まれません。

実装メモ

  • HEF は生のポーズヘッドを出力します（オンチップ NMS なし）。3 つの特徴マップ尺度で計 9 テンソル、各尺度に bbox DFL（64 チャネル）、score（1）、keypoints（51）が含まれます。
  • デコードは ultralytics / Model Zoo のポーズヘッドに準拠します。スコアは sigmoid、ボックス距離は DFL softmax、キーポイントは (2 * raw + grid) * stride、順序は (x, y, score)。NMS はホスト側で実行します。
  • 値が既に [0, 1] 内なら確率として扱い、そうでなければ sigmoid を適用するため、どちらのコンパイル形式にも対応します。

開発メモ

  • ソースモジュール：src/hailo10h_yolov8s_pose/, src/hailo10h_yolov8m_pose/
  • Dockerfile：docker/hailo10h/yolov8s_pose.dockerfile, docker/hailo10h/yolov8m_pose.dockerfile
  • イメージ：ghcr.io/seeed-projects/recomputer-hailo10h-cv/yolov8s_pose:latest, ghcr.io/seeed-projects/recomputer-hailo10h-cv/yolov8m_pose:latest
  • モジュールは HailoRT 5.1.1 の InferModel API と Hailo-10H 向け HEF を使用します。
  • ユニットテスト（HailoRT の mock + 姿勢後処理の回帰）はデバイスなしで実行できます：python -m unittest discover -s tests -v。