Skip to main content

在 reComputer R1000 上使用 Hailo-8L 进行 YOLOv8 姿态估计

简介

YOLOv8(You Only Look Once 第 8 版)是最受欢迎的 YOLO 系列实时姿态估计模型。它通过在速度、准确性和灵活性方面引入多项改进,继承了前几代的优势。Raspberry-pi-AI-kit 用于加速推理速度,配备了基于 Hailo-8L 芯片构建的 13 TOPS 神经网络推理加速器。

本维基演示了如何在 reComputer R1000 上使用 YOLOv8 进行姿态估计,并比较是否使用 Raspberry-pi-AI-kit 加速的效果。Raspberry Pi AI Kit 提升了 Raspberry Pi 的性能,并释放其在人工智能和机器学习应用中的潜力,例如智能零售、智能交通等。虽然 Raspberry AI Kit 是为 Raspberry Pi 5 设计的,但我们已在基于 CM4 的边缘网关上进行了实验。期待将我们的边缘设备转变为智能物联网网关!

准备硬件

reComputer r1000Raspberry Pi AI Kit

运行项目

第一步:安装 AI Kit

pir

第二步:更新系统并设置 PCIe 为 Gen3

更新系统

在 reComputer R1000 上打开终端,输入以下命令更新系统。

sudo apt update
sudo apt full-upgrade

设置 PCIe 为 Gen3

在 reComputer R1000 上打开终端,输入以下命令配置 reComputer R1000。

sudo raspi-config

选择选项 "6 Advanced Options"

pir

然后选择选项 "A8 PCIe Speed"

pir

选择 "Yes" 启用 PCIe Gen 3 模式

pir

点击 "Finish" 退出

pir

第三步:安装 Hailo 软件并验证安装

安装 Hailo 软件

在 reComputer R1000 上打开终端,输入以下命令安装 Hailo 软件。

sudo apt install hailo-all
sudo reboot

检查软件和硬件

在 reComputer R1000 上打开终端,输入以下命令检查是否已安装 hailo-all。

hailortcli fw-control identify

正确的结果如下所示:

pir

在 reComputer R1000 上打开终端,输入以下命令检查是否已连接 hailo-8L。

lspci | grep Hailo

正确的结果如下所示:

pir

运行 YOLOv8

在 reComputer R1000 上打开终端,输入以下命令运行 YOLOv8。

git clone https://github.com/Seeed-Projects/Benchmarking-YOLOv8-on-Raspberry-PI-reComputer-r1000-and-AIkit-Hailo-8L.git
cd Benchmarking-YOLOv8-on-Raspberry-PI-reComputer-r1000-and-AIkit-Hailo-8L
bash ./run.sh pose-estimation-hailo

结果

pir

结果

我们比较了使用 AI 套件加速前后,YOLOv8 在 640*640 分辨率输入下进行姿态估计的推理速度。结果显示,在加速之前,推理速度仅为 0.5 FPS,而加速之后,推理速度达到了 27 FPS。

项目展望

在本项目中,我们对 YOLOv8 在使用和不使用 AI 套件时进行姿态估计的运行速度进行了基准测试。结果表明,AI 套件可以显著提升边缘设备的性能。未来,我们将对 YOLOv8 在不同场景下的运行速度进行基准测试。

技术支持与产品讨论

感谢您选择我们的产品!我们致力于为您提供各种支持,以确保您使用我们的产品时体验顺畅。我们提供多种沟通渠道,以满足不同的偏好和需求。

Loading Comments...