CV / RetinaFace
RetinaFace MobileNet-v1
reComputer R Series (CM5 + Hailo-8)
Gezichtsdetectie als één klasse met 5 herkenningspunten per gezicht op reComputer R Series met Hailo-8.
Kies het apparaat dat je gebruikt. De installatiehandleiding en documentatie worden dienovereenkomstig bijgewerkt.
Aan de slag
sudo docker run --rm \
--name cm5-hailo8-retinaface \
--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/retinaface_mobilenet_v1:latest \
python web_detection.py --model_path model/retinaface_mobilenet_v1.hef --video_path video/test.mp4REST API
Gebruik de REST API om inferentie uit te voeren. Kopieer de onderstaande commando's.
curl -X POST "http://<Board_IP>:8000/api/models/retinaface_mobilenet_v1/predict" \
-F "file=@test.jpg"import requests
response = requests.post(
"http://<Board_IP>:8000/api/models/retinaface_mobilenet_v1/predict",
files={"file": open("test.jpg", "rb")},
timeout=30,
)
print(response.json())Modeldetails
RetinaFace MobileNet-v1 op reComputer R Series (CM5 + Hailo-8)
RetinaFace detecteert gezichten en 5 punten per gezicht (ogen, neuspunt, mondhoeken) op Hailo-8 via HailoRT. Het HEF levert 9 ruwe koppen en de decodering draait op de host-CPU.
Modelinformatie
| Eigenschap | Waarde |
|---|---|
| Architectuur | RetinaFace, MobileNet-v1 backbone (biubug6/Pytorch_Retinaface) |
| Taak | Gezichtsdetectie |
| Invoer | 736x1280x3 BGR (normalize_in_net mean [123,117,104]) |
| Uitvoer | 9 koppen: 3 schalen x {bbox, conf, landmark} |
| Vooraf bepaalde ankers | 38,640 ankers (2/cel, kenmerkkaarten 92x160/46x80/23x40) |
| Klassen | 1 (gezicht) + 5 punten per detectie |
| Parameters | 3.49M |
| Bewerkingen | 25.14G |
| mAP (WIDER FACE) | 81.3% hardwarereferentie |
| HEF | Hailo Model Zoo v2.19.0, Hailo-8 |
De bovenstaande nauwkeurigheid is een referentiewaarde uit Hailo Model Zoo, geen op CM5 gemeten benchmark.
Uitvoeren met demovideo
sudo docker run --rm \
--name cm5-hailo8-retinaface \
--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/retinaface_mobilenet_v1:latest \
python web_detection.py --model_path model/retinaface_mobilenet_v1.hef --video_path video/test.mp4Open http://<Board_IP>:8000 voor het webvoorbeeld (gezichtsvakken en groene punten over de MJPEG-stream).
REST-API
curl -X POST "http://<Board_IP>:8000/api/models/retinaface_mobilenet_v1/predict" \
-F "file=@test.jpg"| Endpoint | Methode | Doel |
|---|---|---|
/ | GET | Webvoorbeeldinterface |
/api/models/retinaface_mobilenet_v1/predict | POST | Gezichten + punten (JSON) |
/api/video_feed | GET | MJPEG-voorbeeldstream |
/api/config | GET / POST | Betrouwbaarheids-/NMS-IOU-drempels |
Implementatienotities
- CPU-nabewerking (
meta_arch=retinaface): geen NMS op de chip. Ankergeneratie, SSD-decodering (varianties 10/5), softmax-betrouwbaarheid, greedy NMS en puntdecodering zijn een numpy-port vanface_detection_postprocessing.pyuit Model Zoo. - Kopindeling volgens de officiële reshape-bewerkingen: 8 kanalen = bbox (2 ankers x 4 coördinaten), 4 kanalen = confidence (2 ankers x {background, face}), 20 kanalen = landmarks (2 ankers x 10 coördinaten).
- Het alls-script past
input_conversion(bgr_to_rgb)in het HEF toe; de toepassing levert ruwe uint8-BGR-beelden. - Voorbewerking: schalen met behoud van beeldverhouding en opvulling onder/rechts (kleur 0) naar 736x1280.
Ontwikkelnotities
- Bronmodule:
src/rpi5_hailo8_retinaface_mobilenet_v1/ - Dockerfile:
docker/hailo8/retinaface_mobilenet_v1.dockerfile - Container:
ghcr.io/seeed-projects/recomputer-hailo8-cv/retinaface_mobilenet_v1:latest - Familie: RetinaFace (variant: mobilenet_v1)
Invoer en uitvoer
Invoer: afbeelding, video of USB-camerabeeld. Uitvoer: gezichtsboxen met betrouwbaarheidsscores, 5 sleutelpunten per gezicht (ogen, neus, mondhoeken) en een geannoteerde MJPEG-preview.