reComputer RK3576 による空中物体検出

VisDrone データセットで学習した YOLOv8s による空中物体検出。11 の空中カテゴリに対応。

ソースコード: https://github.com/inteintegrity/rk3576-airborne-detection

クイックスタート

Docker でプロジェクトイメージを取得

bash

docker pull ghcr.io/seeed-projects/recomputer-rk-cv/rk3576-yolov8_airborne:latest

内蔵サンプルでモデルをテスト

bash

sudo docker run --rm --privileged --net=host \
  -e PYTHONUNBUFFERED=1 \
  -e RKNN_LOG_LEVEL=0 \
  --device /dev/video0:/dev/video0 \
  --device /dev/dri/renderD128:/dev/dri/renderD128 \
  -v /proc/device-tree/compatible:/proc/device-tree/compatible \
  ghcr.io/seeed-projects/recomputer-rk-cv/rk3576-yolov8_airborne:latest \
  python3 web_detection.py --model_path model/yolov8s_airborne.rknn --video video/test.mp4

http://<board_ip>:8000/ にアクセスしてリアルタイム推論を確認。

11 VisDrone 空中カテゴリ

カテゴリ	説明
pedestrian	歩行者
people	人の群れ
bicycle	自転車
car	乗用車
van	バン
truck	トラック
tricycle	三輪車
awning-tricycle	屋根付き三輪車
bus	バス
motor	バイク
others	その他

カメラでリアルタイム推論

bash

sudo docker run --rm --privileged --net=host \
  -e PYTHONUNBUFFERED=1 \
  -e RKNN_LOG_LEVEL=0 \
  --device /dev/video0:/dev/video0 \
  --device /dev/dri/renderD128:/dev/dri/renderD128 \
  -v /proc/device-tree/compatible:/proc/device-tree/compatible \
  ghcr.io/seeed-projects/recomputer-rk-cv/rk3576-yolov8_airborne:latest \
  python3 web_detection.py --model_path model/yolov8s_airborne.rknn --camera_id 0

AI 推論拡張

推論エンジン： RKNN C API ベース、RK3576 NPU ハードウェアアクセラレーション対応。 モデル入力： yolov8s_airborne.rknn 量子化モデル、入力サイズ 640×640 固定。 後処理： YOLOv8 DFL ボックスデコードと NMS、11 VisDrone 空中カテゴリ対応。

デプロイ推奨事項

実行権限： --privileged コンテナモード必須、/dev/video*、/dev/dri/renderD* を明示的にマッピング。 カスタムクラス： --class_path class_config.txt パラメータでデフォルトクラスを上書き可能。