CV / FCN ResNet

FCN8 ResNet-18

reComputer R Series (CM5 + Hailo-10H)

在搭载 Hailo-10H 的 reComputer R Series 上使用 ResNet-18 骨干网络的 FCN-8s 进行语义分割。

29 次下载

大小

9.2 MB

内存

4GB+

精度

Hailo HEF / HailoRT

选择你正在使用的设备，设置指南和文档将相应更新。

平台

推理引擎

快速开始

部署

sudo docker run --rm \
  --name cm5-hailo-fcn8-resnet \
  --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/fcn8_resnet_v1_18:latest \
  python web_detection.py --model_path model/fcn8_resnet_v1_18.hef --video_path video/test.mp4

REST API

使用 REST API 进行推理。复制以下命令。

Curl

curl -X POST "http://<Board_IP>:8000/api/models/fcn8_resnet/predict" \
  -F "file=@test.jpg"

Python

import requests

resp = requests.post(
    "http://<Board_IP>:8000/api/models/fcn8_resnet/predict",
    files={"file": open("test.jpg", "rb")},
    timeout=30,
)
print(resp.json())

模型详情

FCN8 ResNet-18 在 reComputer R Series（CM5 + Hailo-10H）上运行

FCN-8s（全卷积网络）采用 ResNet-18 骨干网络进行语义分割，通过 HailoRT 在 Hailo-10H 上运行。

本页面向配备 PCIe Hailo-10H 加速器的 reComputer R Series（CM5 + Hailo-10H）。

模型信息

属性	值
架构	FCN-8s + ResNet-18
任务	语义分割
输入	1024×1920×3 RGB
输出	1024×1920 类别掩码（19 类）
参数量	11.20M
mIoU（Cityscapes）	69.2%（硬件）
来源	Hailo Model Zoo

Cityscapes 类别

ID	类别	ID	类别	ID	类别
0	道路	7	交通标志	14	卡车
1	人行道	8	植被	15	公交车
2	建筑	9	地形	16	火车
3	墙	10	天空	17	摩托车
4	围栏	11	行人	18	自行车
5	杆	12	骑行者
6	交通信号灯	13	汽车

硬件与主机设置

项目	值
开发板	配备 Raspberry Pi CM5 的 reComputer R Series
加速器	Hailo-10H 通过 PCIe 连接，设备为 `/dev/hailo0`
操作系统	Raspberry Pi OS Bookworm, aarch64
主机驱动	`hailo-h10-all` apt 软件包

bash

sudo apt update
sudo apt install hailo-h10-all -y
sudo reboot

# 重启后
hailortcli fw-control identify
ls /dev/hailo0

# 安装 Docker 并设置开机自启
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

使用演示视频运行

bash

sudo docker run --rm --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/fcn8_resnet_v1_18:latest \
  python web_detection.py --model_path model/fcn8_resnet_v1_18.hef --video_path video/test.mp4

打开 http://<Board_IP>:8000 查看网页预览。镜像包含模块源码、演示视频、HailoRT Python wheel 和下列 HEF 文件。

USB 摄像头模式

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.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/fcn8_resnet_v1_18:latest \
  python web_detection.py --model_path model/fcn8_resnet_v1_18.hef --camera_id 0

HEF 文件

HEF	大小	备注
`fcn8_resnet_v1_18.hef`	9.2 MB	语义分割模型

REST API

预测端点：

text

POST http://<Board_IP>:8000/api/models/fcn8_resnet/predict

图像请求示例：

bash

curl -X POST "http://<Board_IP>:8000/api/models/fcn8_resnet/predict" \
  -F "file=@test.jpg"

常用服务端点：

端点	方法	用途
`/`	GET	网页预览界面
`/api/models/fcn8_resnet/predict`	POST	各类别像素占比（JSON）
`/api/video_feed`	GET	MJPEG 预览流

开发说明

源码模块： src/hailo10h_fcn8_resnet_v1_18/
Dockerfile: docker/hailo10h/fcn8_resnet_v1_18.dockerfile
主服务：web_detection.py 封装 HailoRT 推理、后处理、MJPEG 预览和 REST 预测。

输入与输出

Input: image (1024x1920 RGB). Output: 19-class semantic segmentation mask (Cityscapes).