Skip to main content

Estimación de Poses YOLOv8 en reComputer R1000 con Hailo-8L

Introducción

YOLOv8 (You Only Look Once versión 8) es el modelo de estimación de poses en tiempo real más popular de la serie YOLO. Se basa en las fortalezas de sus predecesores introduciendo varios avances en velocidad, precisión y flexibilidad. El Raspberry-pi-AI-kit se utiliza para acelerar la velocidad de inferencia, presentando un acelerador de inferencia de redes neuronales de 13 TOPS construido alrededor del chip Hailo-8L.

Este wiki demuestra la estimación de poses usando YOLOv8 en reComputer R1000 con y sin aceleración Raspberry-pi-AI-kit. El Raspberry Pi AI Kit mejora el rendimiento del Raspberry Pi y desbloquea su potencial en aplicaciones de inteligencia artificial y aprendizaje automático, como comercio inteligente, tráfico inteligente y más. Aunque el Raspberry AI Kit está diseñado para Raspberry Pi 5, lo hemos experimentado en nuestro gateway edge con CM4. ¡Emocionados por convertir nuestro dispositivo edge en un gateway IoT inteligente!

Preparar Hardware

reComputer r1000Raspberry Pi AI Kit

Ejecutar este proyecto

Paso 1: Instalar el kit de IA

pir

Paso 2: Actualizar el sistema y configurar PCIe a gen3

Actualizar el sistema

Abre la terminal en el reComputer R1000, e ingresa el siguiente comando para actualizar tu sistema.

sudo apt update
sudo apt full-upgrade

Configurar pcie a gen3

Abre la terminal en el reComputer R1000, e ingresa el comando como se muestra a continuación para configurar el reComputer R1000.

sudo raspi-config

Selecciona la opción "6 Advanced Options"

pir

Luego selecciona la opción "A8 PCIe Speed"

pir

Elige "Yes" para habilitar el modo PCIe Gen 3

pir

Haz clic en "Finish" para salir

pir

Paso 3: Instalar el Software Hailo y Verificar la Instalación

Instalar el Software Hailo

Abre la terminal en el reComputer R1000, e ingresa el comando como se muestra a continuación para instalar el software Hailo.

sudo apt install hailo-all
sudo reboot

Verificar Software y Hardware

Abre la terminal en el reComputer R1000, e ingresa el comando como se muestra a continuación para verificar si hailo-all ha sido instalado.

hailortcli fw-control identify

El resultado correcto se muestra a continuación:

pir

Abre la terminal en el reComputer R1000, e ingresa el comando como se muestra a continuación para verificar si el hailo-8L ha sido conectado.

lspci | grep Hailo

El resultado correcto se muestra a continuación:

pir

Ejecutar YOLOv8

Abre la terminal en el reComputer R1000, e ingresa el comando como se muestra a continuación para ejecutar 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

Resultado

pir

Resultado

Comparamos la velocidad de inferencia de YOLOv8 para estimación de pose con resolución de entrada 640*640 antes y después de la aceleración usando el kit de IA. Los resultados muestran que antes de la aceleración, la velocidad de inferencia era solo de 0.5 FPS, mientras que después de la aceleración, alcanzó 27 FPS.

Perspectivas del Proyecto

En este proyecto, evaluamos la velocidad de ejecución de YOLOv8 en estimación de pose con y sin kit de IA. El resultado muestra que el kit de IA puede mejorar enormemente el rendimiento del dispositivo edge. Y en el futuro, evaluaremos la velocidad de ejecución de YOLOv8 en diferentes escenarios.

Soporte Técnico y Discusión de Productos

¡Gracias por elegir nuestros productos! Estamos aquí para brindarle diferentes tipos de soporte para asegurar que su experiencia con nuestros productos sea lo más fluida posible. Ofrecemos varios canales de comunicación para satisfacer diferentes preferencias y necesidades.

Loading Comments...