Estimación de Pose YOLOv8 en reComputer R1000 con Hailo-8L
Introducción
YOLOv8 (You Only Look Once versión 8) es la serie más popular de modelos de estimación de pose en tiempo real de YOLO. Se basa en las fortalezas de sus predecesores al introducir varios avances en velocidad, precisión y flexibilidad. El Raspberry-pi-AI-kit se utiliza para acelerar la velocidad de inferencia, con un acelerador de red neuronal de 13 tera-operaciones por segundo (TOPS) basado en el chip Hailo-8L.
Esta wiki demuestra la estimación de pose usando YOLOv8 en reComputer R1000 con y sin la aceleración del 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 de borde con CM4. ¡Estamos emocionados de convertir nuestro dispositivo de borde en una puerta de enlace IoT inteligente!
Preparar el hardware
reComputer r1000 | Raspberry Pi AI Kit |
---|---|
![]() | ![]() |
Ejecutar este proyecto
- Ejecutar con Hailo-8L
- Ejecutar sin Hailo-8L
Paso 1: Instalar AI kit
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 el sistema.
sudo apt update
sudo apt full-upgrade
Configurar PCIe a gen3
Abre la terminal en el reComputer R1000 e ingresa el siguiente comando para configurar el reComputer R1000.
sudo raspi-config
Selecciona la opción "6 Advanced Options"
Luego selecciona la opción "A8 PCIe Speed"
Elige "Sí" para habilitar el modo PCIe Gen 3
Haz clic en "Finish" para salir
Paso 3: Instalar el software de Hailo y verificar la instalación
Instalar el software de Hailo
Abre la terminal en el reComputer R1000 e ingresa el siguiente comando para instalar el software de Hailo.
sudo apt install hailo-all
sudo reboot
Verificar el software y el hardware
Abre la terminal en el reComputer R1000 e ingresa el siguiente comando para verificar si se ha instalado hailo-all.
hailortcli fw-control identify
El resultado correcto debe ser el siguiente:
Abre la terminal en el reComputer R1000 e ingresa el siguiente comando para verificar si hailo-8L está conectado.
lspci | grep Hailo
El resultado correcto debe ser el siguiente:
Ejecutar YOLOv8
Abre la terminal en el reComputer R1000 e ingresa el siguiente comando 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
Ejecutar YOLOv8
Abre la terminal en el reComputer R1000 e ingresa el siguiente comando 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
Resultado
Resultado
Comparamos la velocidad de inferencia de YOLOv8 para estimación de pose con una resolución de entrada de 640*640 antes y después de la aceleración usando el AI kit. 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.
Perspectiva del proyecto
En este proyecto, medimos la velocidad de ejecución de YOLOv8 para estimación de pose con y sin AI kit. El resultado muestra que el AI kit puede mejorar enormemente el rendimiento del dispositivo de borde. En el futuro, mediremos la velocidad de ejecución de YOLOv8 en diferentes escenarios.
Soporte técnico y discusión de productos
¡Gracias por elegir nuestros productos! Estamos aquí para brindarte el soporte necesario para asegurarnos de que tu experiencia con nuestros productos sea lo más fluida posible. Ofrecemos varios canales de comunicación para adaptarnos a diferentes preferencias y necesidades.