CV / ViTPose

ViTPose-Small-BN

2D-houdingsschatting voor één persoon met ViTPose-Small-BN op reComputer R Series met Hailo-8.

38 downloads

Grootte

31 MB

Geheugen

4GB+

Precisie

Hailo HEF / HailoRT 4.23.x (Hailo-8) / 5.1.1 (Hailo-10H)

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-hailo8-vitpose-small-bn \
  --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/vit_pose_small_bn:latest \
  python web_detection.py --model_path model/vit_pose_small_bn.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/vit_pose_small_bn/predict" \
  -F "file=@test.jpg"

Python

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

Modeldetails

reComputer R Series (CM5 + Hailo-8)

ViTPose-Small-BN op reComputer R Series (CM5 + Hailo-8)

ViTPose-Small-BN is de BatchNorm-variant van ViTPose-Small. De invoer/uitvoer is gelijk (256x192 RGB, heatmap 64x48x17 en 17 COCO-sleutelpunten), met iets lagere nauwkeurigheid (AP 72.01 tegenover 74.16).

Modelinformatie

Eigenschap	Waarde
Architectuur	ViT-Small-BN (ViTPose)
Taak	Single-person pose estimation
Invoer	256x192x3 RGB
Uitvoer	Heatmap 64x48x17
Parameters	24.32M
Bewerkingen	17.17G
HEF	Hailo Model Zoo v2.19.0, Hailo-8

Uitvoeren met demovideo

bash

sudo docker run --rm \
  --name cm5-hailo8-vitpose-small-bn \
  --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/vit_pose_small_bn:latest \
  python web_detection.py --model_path model/vit_pose_small_bn.hef --video_path video/test.mp4

REST API

bash

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

Eindpunt	Methode	Doel
`/api/models/vit_pose_small_bn/predict`	POST	17 sleutelpunten (JSON)
`/api/video_feed`	GET	MJPEG-voorbeeld met skelet

Ontwikkelingsnotities

Bronmodule: src/rpi5_hailo8_vit_pose_small_bn/
Container: ghcr.io/seeed-projects/recomputer-hailo8-cv/vit_pose_small_bn:latest
Familie: vit_pose (vit_pose_small / vit_pose_small_bn)

Invoer en uitvoer

Invoer: afbeelding, video of USB-cameraframe. Uitvoer: 17 COCO-sleutelpunten (x, y, score) met skelet-overlay.