CV / ArcFace

ArcFace MobileFaceNet

reComputer R Series (CM5 + Hailo-10H)

ArcFace-gezichtsherkenning (2,04M parameters, 99,4% LFW) op reComputer R Series met Hailo-8 of Hailo-10H.

58 downloads

Grootte

3.91 MB

Geheugen

4GB+

Precisie

Hailo HEF / HailoRT

Kies het apparaat dat je gebruikt. De installatiehandleiding en documentatie worden dienovereenkomstig bijgewerkt.

Platform

Inferentie-engine

Aan de slag

Implementeren

sudo docker run --rm \
  --name cm5-hailo-arcface \
  --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/arcface_mobilefacenet:latest \
  python web_detection.py --model_path model/arcface_mobilefacenet.hef --video_path video/test.mp4

REST API

Gebruik de REST API om inferentie uit te voeren. Kopieer de onderstaande commando's.

Curl

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

Python

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

Modeldetails

reComputer R Series (CM5 + Hailo-10H)

ArcFace MobileFaceNet op reComputer R Series (CM5 + Hailo-10H)

ArcFace met een MobileFaceNet-backbone extraheert via HailoRT 512-dimensionale gezichtsembeddings op Hailo-10H. De embedding wordt gebruikt voor gezichtsverificatie en -identificatie; de vergelijking zelf gebeurt in de client met cosinusgelijkenis.

Deze pagina is gericht op reComputer R Series (CM5 + Hailo-10H) met een PCIe-Hailo-10H-versneller.

Modelinformatie

Eigenschap	Waarde
Architectuur	ArcFace met MobileFaceNet-backbone
Taak	Gezichtsherkenning (embedding-extractie)
Invoer	112x112x3 RGB (letterbox, normalisatie in de HEF gecompileerd)
Uitvoer	512-dimensionale gezichtsembedding
Parameters	2.04M
LFW-nauwkeurigheid	99,4% (Hailo Model Zoo-referentie)
HEF	Hailo Model Zoo v5.4.0, Hailo-10H

De nauwkeurigheid is de Hailo Model Zoo-referentie; het is geen op de CM5 gemeten benchmark.

Hardware en hostinstellingen

Onderdeel	Waarde
Board	reComputer R Series met Raspberry Pi CM5
Versneller	Hailo-10H via PCIe, beschikbaar als `/dev/hailo0`
Runtime	HailoRT 5.1.1
Python in de container	3.13, aarch64

Installeer de Hailo-10H-pakketten op de host en controleer of stuurprogramma en apparaat gereed zijn voordat u de container start:

bash

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

# Na herstart
hailortcli --version
hailortcli fw-control identify
ls -l /dev/hailo0

Uitvoeren met de demo-video

bash

sudo docker run --rm \
  --name cm5-hailo-arcface \
  --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/arcface_mobilefacenet:latest \
  python web_detection.py --model_path model/arcface_mobilefacenet.hef --video_path video/test.mp4

Open http://<Board_IP>:8000 voor de webpreview. Elk frame wordt geannoteerd met de embedding-dimensie en de REST API retourneert de volledige 512-dimensionale vector.

USB-cameramodus

bash

sudo docker run --rm \
  --name cm5-hailo-arcface \
  --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/arcface_mobilefacenet:latest \
  python web_detection.py --model_path model/arcface_mobilefacenet.hef --camera_id 0

REST API

text

POST http://<Board_IP>:8000/api/models/arcface_mobilefacenet/predict

bash

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

json

{
  "success": true,
  "source": "uploaded image",
  "embedding": [0.023, -0.156, 0.089, "..."],
  "dimension": 512,
  "image": { "width": 1280, "height": 720 }
}

Endpoint	Methode	Doel
`/`	GET	Webpreview-interface
`/api/models/arcface_mobilefacenet/predict`	POST	Gezichtsembedding (JSON)
`/api/video_feed`	GET	MJPEG-previewstream
`/api/config`	GET / POST	Runtime-drempels lezen of wijzigen
`/api/video/upload`	POST	Bronvideo uploaden
`/api/video/analyze`	POST	Offline video-analyse starten
`/api/video/status`	GET	Voortgang van de analyse lezen
`/api/video/download/{filename}`	GET	Geannoteerd resultaat downloaden

Gezichtsverificatie is geen apart endpoint: vergelijk twee geretourneerde embeddings in de client met cosinusgelijkenis (normaliseer beide vectoren eerst met L2).

HEF-bestanden

HEF	Grootte	Opmerkingen
`arcface_mobilefacenet.hef`	2,666,496 bytes	Hailo-10H-build, Model Zoo v5.4.0

Implementatienotities

De HEF bevat een eigen normalisatielaag, dus de applicatie letterboxt naar 112x112, converteert BGR naar RGB en stuurt uint8-pixels ongewijzigd door.
De embedding wordt gelezen uit de fc1-uitvoer wanneer de vstream-naam beschikbaar is; anders wordt de eerste uitvoertensor gebruikt. De eerste inferentie logt alle vstream-namen en shapes.
Lege embeddings of embeddings met niet-eindige waarden worden geweigerd in plaats van als geldig resultaat teruggegeven.

Ontwikkelnotities

Bronmodule: src/hailo10h_arcface_mobilefacenet/
Dockerfile: docker/hailo10h/arcface_mobilefacenet.dockerfile
Container: ghcr.io/seeed-projects/recomputer-hailo10h-cv/arcface_mobilefacenet:latest
De module gebruikt de HailoRT 5.1.1 InferModel-API en een Hailo-10H-specifieke HEF.

Invoer en uitvoer

Invoer: afbeelding (112x112 RGB). Uitvoer: 512-dimensionale gezichtsembedding; de vergelijking gebeurt in de client.