CV / RetinaFace

RetinaFace

The current service loads the MobileNet-backbone model and exposes confidence filtering through its API.

4 downloads

Precisie

RKNN

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

Platform

Grootte

Inferentie-engine

Aan de slag

Implementeren

sudo docker run --rm --privileged --net=host -e RKNN_LOG_LEVEL=0 \
  --device /dev/dri/renderD129:/dev/dri/renderD129 \
  -v /proc/device-tree/compatible:/proc/device-tree/compatible:ro \
  ghcr.io/seeed-projects/recomputer-rk-cv/rk3576-retinaface:latest \
  python web_service.py --platform rk3576 --model_dir /app/model --camera_id -1 --host 0.0.0.0 --port 8000

REST API

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

Curl

curl http://localhost:8080/v1/chat/completions -d '{
  "model": "retinaface-rknn",
  "messages": [{"role": "user", "content": "Hello"}]
}'

Python

import requests

resp = requests.post(
    "http://localhost:8080/v1/chat/completions",
    json={"model": "retinaface-rknn", "messages": [{"role": "user", "content": "Hello"}]},
)
print(resp.json())

Modeldetails

RetinaFace op reComputer RK3576 en RK3588

Deze pagina beschrijft de RetinaFace-service in reComputer-RK-CV. Hij detecteert gezichten en vijf gezichtslandmarks met RKNN-versnelling en biedt beeld-, camera-, lokale-video- en uploadvideomodi.

Modelinformatie

Eigenschap	Waarde
Actief model	`model/retinaface_mobile.rknn`
Meegeleverd alternatief	`model/retinaface_resnet50.rknn`
Invoer	Letterbox-RGB van `320 x 320`
Uitvoer	Gezichtsvak, betrouwbaarheid en vijf landmarks
NMS	Vaste IoU-drempel van `0.5`

De service uitvoeren

RK3576

bash

sudo docker run --rm --privileged --net=host \
  -e PYTHONUNBUFFERED=1 -e RKNN_LOG_LEVEL=0 \
  --device /dev/dri/renderD129:/dev/dri/renderD129 \
  -v /proc/device-tree/compatible:/proc/device-tree/compatible:ro \
  ghcr.io/seeed-projects/recomputer-rk-cv/rk3576-retinaface:latest \
  python web_service.py --platform rk3576 --model_dir /app/model \
  --camera_id -1 --host 0.0.0.0 --port 8000

RK3588

bash

sudo docker run --rm --privileged --net=host \
  -e PYTHONUNBUFFERED=1 -e RKNN_LOG_LEVEL=0 \
  --device /dev/dri/renderD129:/dev/dri/renderD129 \
  -v /proc/device-tree/compatible:/proc/device-tree/compatible:ro \
  ghcr.io/seeed-projects/recomputer-rk-cv/rk3588-retinaface:latest \
  python web_service.py --platform rk3588 --model_dir /app/model \
  --camera_id -1 --host 0.0.0.0 --port 8000

Open http://<BOARD_IP>:8000 of /docs. Koppel /dev/videoN en gebruik --camera_id N voor een camera, of geef --video video/test.mp4 door voor lokale video.

Opstartargumenten

Argument	Standaard	Beschrijving
`--platform`	Vereist	`rk3576` of `rk3588`.
`--model_dir`	`model`	RetinaFace-RKNN-bestanden en `test.jpg`.
`--camera_id`	`-1`	Camera-index; `-1` schakelt opname uit.
`--video`, `--video_path`	Geen	Lokale video in een lus; overschrijft de camera.
`--host` / `--port`	`0.0.0.0` / `8000`	Serviceadres en poort.

RKNN_LOG_LEVEL=0 verbergt bevestigde onschadelijke initialisatieberichten voor statische vormen. Verwijder dit bij diagnose van RKNN-opstartproblemen.

REST API

Endpoint: POST /api/models/retinaface/predict

bash

curl -X POST "http://<BOARD_IP>:8000/api/models/retinaface/predict" \
  -F "file=@test.jpg" -F "threshold=0.5"

Elk resultaat bevat confidence, box als [x1,y1,x2,y2] en vijf landmarks. Werk de drempel voor voorbeeld/video bij met POST /api/config en JSON zoals {"threshold":0.5}.

Voorbeeld van antwoordvelden:

json

{
  "success": true,
  "model": "retinaface",
  "result": {
    "count": 1,
    "faces": [
      {
        "confidence": 0.96,
        "box": [120, 80, 310, 290],
        "landmarks": [[166, 145], [255, 144], [210, 190], [176, 232], [247, 231]]
      }
    ]
  }
}

Het algemene veld topk is gereserveerd voor servicecompatibiliteit en wordt niet gebruikt. NMS gebruikt een vaste IoU-drempel van 0.5.

Endpoint	Doel
`GET /api/health`	Platform, modelnamen en gereedheid.
`GET /api/video_feed`	Nieuwste gezichtsvakken en landmarks als MJPEG.
`POST /api/video/upload`	Een MP4 uploaden.
`POST /api/video/analyze`	Een geüploade `filename` analyseren.
`GET /api/video/status`	Voortgang en fouten.
`GET /api/video/list`	Geüploade en gegenereerde MP4-bestanden.
`GET /api/video/download/{filename}`	Een resultaat downloaden.

De upstream-constructor laadt momenteel expliciet retinaface_mobile.rknn. Voor retinaface_resnet50.rknn moet task_runtime.py worden gewijzigd en dezelfde indeling met drie uitgangen worden gevalideerd; alleen een Docker-opdrachtparameter volstaat niet. Frames worden letterboxed naar 320 x 320, van BGR naar RGB omgezet, met prior-vakken en vijf landmarks gedecodeerd, naar broncoördinaten hersteld, op betrouwbaarheid gefilterd en met NMS verwerkt.

Lokaal bouwen

bash

docker build -f docker/rk3576/retinaface.dockerfile \
  -t rk3576-retinaface:local src/rk3576_retinaface

docker build -f docker/rk3588/retinaface.dockerfile \
  -t rk3588-retinaface:local src/rk3588_retinaface

Invoer en uitvoer

Input: image, video frame, or camera frame. Output: face boxes, confidence scores, and five landmarks.