CV / MSPN Pose

MSPN RegNetX-800MF

MSPN (Multi-Stage Pose Network) met RegNetX-800MF backbone voert real-time pose-estimatie voor één persoon uit met 17 COCO keypoints via HailoRT-inferentie.

Grootte

1.3 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-mspn-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/mspn_regnetx_800mf:latest \
  python web_detection.py --model_path model/*.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/mspn_pose/predict" \
  -F "file=@test.jpg"

Python

import requests

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

Modeldetails

MSPN RegNetX-800MF op reComputer R Series (CM5 + Hailo-10H)

MSPN (Multi-Stage Pose Network) met RegNetX-800MF backbone voor pose-estimatie van één persoon met 17 COCO keypoints, draaiend op Hailo-10H via HailoRT.

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

Model Info

Eigenschap	Waarde
Architectuur	MSPN + RegNetX-800MF
Taak	Pose-estimatie voor één persoon
Invoer	256×192×3 RGB
Uitvoer	17 keypoints (COCO-formaat)
Parameters	7.17M
Hardware AP	69.8%
FPS	2034
Bron	Hailo Model Zoo

COCO Keypoints

ID	Naam	ID	Naam	ID	Naam
0	nose	6	right_shoulder	13	left_knee
1	left_eye	7	left_elbow	14	right_knee
2	right_eye	8	right_elbow	15	left_ankle
3	left_ear	9	left_wrist	16	right_ankle
4	right_ear	10	right_wrist
5	left_shoulder	11	left_hip
		12	right_hip

Hardware- en Hostconfiguratie

Item	Waarde
Board	reComputer R Series met Raspberry Pi CM5
Accelerator	Hailo-10H via PCIe, beschikbaar als `/dev/hailo0`
OS	Raspberry Pi OS Bookworm, aarch64
Host driver	`hailo-all` apt-pakket

bash

sudo apt update
sudo apt install hailo-all
sudo reboot

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

# Docker
curl -fsSL https://get.docker.com -o get-docker.sh
sudo sh get-docker.sh --mirror Aliyun
sudo systemctl enable docker
sudo systemctl start docker

Draaien met demovideo

bash

sudo docker run --rm --privileged --net=host \
  -e PYTHONUNBUFFERED=1 \
  --device /dev/hailo0:/dev/hailo0 \
  -v /usr/lib/libhailort.so:/usr/lib/libhailort.so:ro \
  ghcr.io/seeed-projects/recomputer-hailo10h-cv/mspn_regnetx_800mf:latest \
  python web_detection.py --video_path video/test.mp4

Open http://<R20_IP>:8000 om de webpreview te bekijken. De image bevat de modulebroncode, demovideo, HailoRT Python wheel en onderstaande HEF-bestanden.

USB-cameramodus

bash

sudo docker run --rm --privileged --net=host \
  -e PYTHONUNBUFFERED=1 \
  --device /dev/hailo0:/dev/hailo0 \
  --device /dev/video0:/dev/video0 \
  -v /usr/lib/libhailort.so:/usr/lib/libhailort.so:ro \
  ghcr.io/seeed-projects/recomputer-hailo10h-cv/mspn_regnetx_800mf:latest \
  python web_detection.py --camera_id 0

HEF-bestanden

HEF	Grootte	Opmerkingen
`mspn_regnetx_800mf.hef`	1.3 MB	Pose-estimatiemodel

REST API

Voorspellingsendpoint:

text

POST http://<R20_IP>:8000/api/models/mspn_pose/predict

Voorbeeld afbeeldingsverzoek:

bash

curl -X POST "http://<R20_IP>:8000/api/models/mspn_pose/predict" \
  -F "file=@test.jpg"

Algemene service-endpoints:

Endpoint	Methode	Doel
`/`	GET	Webpreview-UI
`/api/models/mspn_pose/predict`	POST	Single-frame keypoint-inferentie
`/api/models/mspn_pose/visualize`	POST	Pose-overlayvisualisatie
`/api/models/mspn_pose/keypoints`	GET	Keypointdefinities
`/api/video_feed`	GET	MJPEG-previewstream

Ontwikkelnotities

Bronmodule: src/hailo10h_mspn_regnetx_800mf/
Dockerfile: docker/hailo10h/mspn_regnetx_800mf.dockerfile
Hoofdservice: web_detection.py omvat HailoRT-inferentie, nabewerking, MJPEG-preview en REST-voorspelling.

Invoer en uitvoer

Invoer: afbeelding (256x192 RGB). Uitvoer: 17 keypoints met x, y, confidence (COCO-formaat).