CV / ResNet
ResNet v1
reComputer R Series (CM5 + Hailo-8)
ImageNet-classificatie met ResNet v1-18/v1-34/v1-50 op reComputer R Series met Hailo-8 of Hailo-10H.
Kies het apparaat dat je gebruikt. De installatiehandleiding en documentatie worden dienovereenkomstig bijgewerkt.
Aan de slag
sudo docker run --rm \
--name pi5-hailo8-resnet-v1-18 \
--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/resnet_v1_18:latest \
python web_detection.py --model_path model/resnet_v1_18.hef --video_path video/test.mp4Modeldetails
reComputer R Series (CM5 + Hailo-8)ResNet v1-18/v1-34/v1-50 ImageNet-classificatie op reComputer R Series (CM5 + Hailo-8)
ResNet v1-18/v1-34/v1-50 classificeren 1000 ImageNet-klassen op Hailo-8 via HailoRT 4.23. Elke HEF neemt een 224×224 RGB-frame en retourneert 1000 scores; de host past softmax toe, vlakt de scores over de tijd af en legt een Top-K-paneel over de MJPEG-preview. Alle drie varianten delen dezelfde webservice en de officiële Hailo-demovideo.
Modelinformatie
| Variant | Invoer | Meegeleverde HEF | Top-1 float / Hailo-8 | Parameters / bewerkingen | Container |
|---|---|---|---|---|---|
| ResNet v1-18 | 224×224×3 RGB | 12.5 MB | 71.3 / 71.1 | 11.68M / 3.64G | resnet_v1_18 |
| ResNet v1-34 | 224×224×3 RGB | 15.7 MB | 72.7 / 72.2 | 21.79M / 7.34G | resnet_v1_34 |
| ResNet v1-50 | 224×224×3 RGB | 18.0 MB | 75.2 / 74.7 | 25.53M / 6.98G | resnet_v1_50 |
Hardware- en hostconfiguratie
| Onderdeel | Waarde |
|---|---|
| Board | reComputer R Series met Raspberry Pi CM5 |
| Versneller | Hailo-8 via PCIe, beschikbaar als /dev/hailo0 |
| Runtime | HailoRT 4.23.x (host en container moeten dezelfde major.minor gebruiken) |
| Python in de container | 3.11, aarch64 |
sudo apt update
sudo apt install hailo-all -y
sudo reboot
# After reboot
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 dockerUitvoeren met de demo-video
Kies de opdracht die bij de modelvariant hoort.
ResNet v1-18
sudo docker run --rm \
--name pi5-hailo8-resnet-v1-18 \
--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/resnet_v1_18:latest \
python web_detection.py --model_path model/resnet_v1_18.hef --video_path video/test.mp4ResNet v1-34
sudo docker run --rm \
--name pi5-hailo8-resnet-v1-34 \
--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/resnet_v1_34:latest \
python web_detection.py --model_path model/resnet_v1_34.hef --video_path video/test.mp4ResNet v1-50
sudo docker run --rm \
--name pi5-hailo8-resnet-v1-50 \
--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/resnet_v1_50:latest \
python web_detection.py --model_path model/resnet_v1_50.hef --video_path video/test.mp4Open http://<Board_IP>:8000 om de Top-K-overlay te bekijken. De meegeleverde
video/test.mp4 is Hailo's officiële classifier-democlip (example.mp4, een
straatscène met auto's en mensen).
USB-cameramodus
sudo docker run --rm \
--name pi5-hailo8-resnet-v1-18 \
--privileged \
--net=host \
-e PYTHONUNBUFFERED=1 \
--device /dev/hailo0:/dev/hailo0 \
--device /dev/video0:/dev/video0 \
-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/resnet_v1_18:latest \
python web_detection.py --model_path model/resnet_v1_18.hef --camera_id 0REST API
Elke variant heeft een eigen endpoint:
| Variant | Endpoint |
|---|---|
| ResNet v1-18 | POST /api/models/resnet_v1_18/predict |
| ResNet v1-34 | POST /api/models/resnet_v1_34/predict |
| ResNet v1-50 | POST /api/models/resnet_v1_50/predict |
curl -X POST "http://<Board_IP>:8000/api/models/resnet_v1_18/predict" \
-F "file=@test.jpg" -F "conf=0.30" -F "iou=5"Retourneert predictions-items met de ImageNet-klassenaam, een kort label en
de confidence. iou wordt hergebruikt als het Top-K-aantal voor API-pariteit
met de detectiemodules.
Implementatienotities
- Elke HEF levert één scorevector met 1000 waarden;
softmaxenargmaxzijn in de compilatie uitgeschakeld, dus de host voert softmax en Top-K uit. - De voorbewerking bestaat uit een eenvoudige resize naar 224×224 en BGR→RGB; de ImageNet mean/std-normalisatie is in de HEF gecompileerd. Er wordt geen letterbox gebruikt.
- De livepreview vlakt de waarschijnlijkheidsvector af (0.6 vorige + 0.4 huidige) om flikkerende labels te voorkomen en tekent vervolgens het Top-K-paneel.
- De invoergrootte van de HEF wordt bij het opstarten uitgelezen (224×224).
Ontwikkelnotities
- Bronnen:
src/rpi5_hailo8_resnet_v1_{18,34,50}/ - Dockerfiles:
docker/hailo8/resnet_v1_{18,34,50}.dockerfile - Containers:
ghcr.io/seeed-projects/recomputer-hailo8-cv/resnet_v1_{18,34,50}:latest - HEF's: Hailo Model Zoo v2.20.0 (
hailo8), groottes en SHA256 vastgelegd in demodel/README.mdvan elke module - Demovideo:
https://hailo-csdata.s3.eu-west-2.amazonaws.com/resources/video/example.mp4(vanhailo-ai/hailo-apps, MIT)
Invoer en uitvoer
Invoer: afbeelding, video of USB-cameraframe. Uitvoer: Top-K ImageNet-klassen en betrouwbaarheid.