CV / PPSeg

PP-LiteSeg

Produces 19-class Cityscapes masks with image, camera, and video service modes.

4 次下载

精度

RKNN

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 --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-ppseg:latest \
  python web_service.py --platform rk3576 --model_dir /app/model --camera_id -1 --host 0.0.0.0 --port 8000

REST API

使用 REST API 进行推理。复制以下命令。

Curl

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

Python

import requests

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

模型详情

在 reComputer RK3576 和 RK3588 上运行 PP-LiteSeg

该服务打包了 reComputer-RK-CV 中的 PP-LiteSeg Cityscapes 示例，并提供 RKNN 推理、Web 预览、REST API 和异步 MP4 处理。

模型信息

属性	值
模型	`model/ppseg.rknn`
输入	`512 x 512` RGB
输出	19 类 Cityscapes 分割掩码
预热图像	`model/test.png`

运行服务

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-ppseg: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-ppseg:latest \
  python web_service.py --platform rk3588 --model_dir /app/model \
  --camera_id -1 --host 0.0.0.0 --port 8000

打开 http://<BOARD_IP>:8000 或 /docs。使用摄像头时，请通过映射的 /dev/videoN 节点指定 --camera_id N。使用 --video video/test.mp4 可播放内置视频；--video 和 --video_path 是别名，且优先级高于摄像头。

启动参数

参数	默认值	说明
`--platform`	必填	`rk3576` 或 `rk3588`。
`--model_dir`	`model`	包含 `ppseg.rknn` 和 `test.png` 的目录。
`--camera_id`	`-1`	摄像头索引；`-1` 禁用采集。
`--video`, `--video_path`	无	循环播放的本地视频；优先级高于摄像头。
`--host` / `--port`	`0.0.0.0` / `8000`	FastAPI 监听地址和端口。

PYTHONUNBUFFERED=1 会立即刷新日志。RKNN_LOG_LEVEL=0 会抑制已知无害的静态模型初始化消息；调试 RKNN 启动问题时请将其移除。

REST API

端点： POST /api/models/ppseg/predict

bash

curl -X POST "http://<BOARD_IP>:8000/api/models/ppseg/predict" \
  -F "file=@test.png"

响应包含推理时间、源图像尺寸和每个类别的像素数。最新掩码叠加图由 GET /api/video_feed 提供。

端点	用途
`GET /api/health`	平台、模型名称和就绪状态。
`GET /api/video_feed`	以 MJPEG 提供最新彩色掩码叠加图。
`POST /api/video/upload`	在 `file` 字段中上传一个 MP4。
`POST /api/video/analyze`	分析已上传的 `filename`。
`GET /api/video/status`	后台进度和错误。
`GET /api/video/list`	已上传和生成的视频。
`GET /api/video/download/{filename}`	下载结果。

通用 threshold 和 topk 配置字段仅为服务兼容性而保留，不会改变固定的 argmax 分割。替换模型必须保留预期的 19 类输出，否则需要更新调色板和后处理代码。

运行时将输入缩放到 512 x 512，从 BGR 转换为 RGB，接受 NCHW 或 NHWC 的 19 类输出，使用最近邻插值恢复掩码，并叠加 Cityscapes 调色板。转换源文件位于上游项目的 rknn_model_zoo/examples/ppseg 下。

本地构建

bash

docker build -f docker/rk3576/ppseg.dockerfile \
  -t rk3576-ppseg:local src/rk3576_ppseg

docker build -f docker/rk3588/ppseg.dockerfile \
  -t rk3588-ppseg:local src/rk3588_ppseg

输入与输出

Input: image, video frame, or camera frame. Output: Cityscapes mask, class pixel counts, and overlay.