CV / ResNet
ResNet v1
reComputer R Series (CM5 + Hailo-8)
ResNet v1-18/v1-34/v1-50 在 reComputer R Series + Hailo-8 或 Hailo-10H 上的 ImageNet 分类。
9 次下载
大小
12.5 MB内存
4GB+精度
Hailo HEF选择你正在使用的设备,设置指南和文档将相应更新。
快速开始
部署
sudo docker run --rm \
--name pi5-hailo8-resnet-v1-18 \
--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/resnet_v1_18:latest \
python web_detection.py --model_path model/resnet_v1_18.hef --video_path video/test.mp4模型详情
reComputer R Series (CM5 + Hailo-8)ResNet v1-18/v1-34/v1-50 ImageNet 分类在 reComputer R Series(CM5 + Hailo-8)上运行
ResNet v1-18/v1-34/v1-50 通过 HailoRT 4.23 在 Hailo-8 上进行 1000 类 ImageNet 分类。每个 HEF 接收 224×224 RGB 图像并输出 1000 个分数;主机侧做 softmax,对分数做时间 平滑,并在 MJPEG 预览上叠加 Top-K 面板。三个变体共用同一套 Web 服务和 Hailo 官方演示视频。
模型信息
| 变体 | 输入 | 打包 HEF | Top-1 浮点 / Hailo-8 | 参数 / 运算 | 容器镜像 |
|---|---|---|---|---|---|
| ResNet v1-18 | 224×224×3 RGB | 12.5 MB | 71.3 / 71.1 | 11.68M / 3.64G | resnet_v1_18 |
| ResNet v1-34 | 224×224×3 RGB | 15.7 MB | 72.7 / 72.2 | 21.79M / 7.34G | resnet_v1_34 |
| ResNet v1-50 | 224×224×3 RGB | 18.0 MB | 75.2 / 74.7 | 25.53M / 6.98G | resnet_v1_50 |
硬件与主机设置
| 项目 | 值 |
|---|---|
| 开发板 | 树莓派 CM5 的 reComputer R Series |
| 加速器 | Hailo-8,PCIe,设备节点 /dev/hailo0 |
| 运行时 | HailoRT 4.23.x(宿主机与容器 major.minor 必须一致) |
| 容器 Python | 3.11,aarch64 |
bash
sudo apt update
sudo apt install hailo-all -y
sudo reboot
# After reboot
hailortcli fw-control identify
ls /dev/hailo0
# Docker
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
请选择与模型变体对应的命令。
ResNet v1-18
bash
sudo docker run --rm \
--name pi5-hailo8-resnet-v1-18 \
--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/resnet_v1_18:latest \
python web_detection.py --model_path model/resnet_v1_18.hef --video_path video/test.mp4ResNet v1-34
bash
sudo docker run --rm \
--name pi5-hailo8-resnet-v1-34 \
--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/resnet_v1_34:latest \
python web_detection.py --model_path model/resnet_v1_34.hef --video_path video/test.mp4ResNet v1-50
bash
sudo docker run --rm \
--name pi5-hailo8-resnet-v1-50 \
--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/resnet_v1_50:latest \
python web_detection.py --model_path model/resnet_v1_50.hef --video_path video/test.mp4打开 http://<Board_IP>:8000 查看 Top-K 叠加。随附的 video/test.mp4 是 Hailo
官方分类演示片段(example.mp4,包含汽车和行人的街景)。
USB 摄像头模式
bash
sudo docker run --rm \
--name pi5-hailo8-resnet-v1-18 \
--privileged \
--net=host \
-e PYTHONUNBUFFERED=1 \
--device /dev/hailo0:/dev/hailo0 \
--device /dev/video0:/dev/video0 \
-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/resnet_v1_18:latest \
python web_detection.py --model_path model/resnet_v1_18.hef --camera_id 0REST API
每个变体有独立的端点:
| 变体 | 端点 |
|---|---|
| ResNet v1-18 | POST /api/models/resnet_v1_18/predict |
| ResNet v1-34 | POST /api/models/resnet_v1_34/predict |
| ResNet v1-50 | POST /api/models/resnet_v1_50/predict |
bash
curl -X POST "http://<Board_IP>:8000/api/models/resnet_v1_18/predict" \
-F "file=@test.jpg" -F "conf=0.30" -F "iou=5"响应中的 predictions 条目包含 ImageNet 类别名、短标签和置信度。iou 沿用为
Top-K 数量,保持与检测模块的 API 形式一致。
实现说明
- 每个 HEF 输出单个 1000 维分数向量;编译时关闭了
softmax和argmax,主机侧 做 softmax 和 Top-K。 - 预处理是直接 resize 到 224×224 并 BGR→RGB;ImageNet mean/std 归一化已编译进 HEF,不使用 letterbox。
- 实时预览对概率向量做平滑(0.6 上一帧 + 0.4 当前帧),避免标签闪烁,然后绘制 Top-K 面板。
- 启动时从 HEF 读取输入尺寸(224×224)。
开发说明
- 源码:
src/rpi5_hailo8_resnet_v1_{18,34,50}/ - Dockerfile:
docker/hailo8/resnet_v1_{18,34,50}.dockerfile - 容器镜像:
ghcr.io/seeed-projects/recomputer-hailo8-cv/resnet_v1_{18,34,50}:latest - HEF:Hailo Model Zoo v2.20.0(
hailo8),大小与 SHA256 记录在各模块的model/README.md - 演示视频:
https://hailo-csdata.s3.eu-west-2.amazonaws.com/resources/video/example.mp4(来自hailo-ai/hailo-apps,MIT)
输入与输出
输入:图像、视频或 USB 摄像头帧。输出:Top-K ImageNet 类别与置信度。