Skip to main content

YOLOv8 を使用した reComputer R1000 上での物体検出(Hailo-8L 搭載)

note

この文書は AI によって翻訳されています。内容に不正確な点や改善すべき点がございましたら、文書下部のコメント欄または以下の Issue ページにてご報告ください。
https://github.com/Seeed-Studio/wiki-documents/issues

YOLOv8 を使用した reComputer R1000 上での物体検出(Hailo-8L 搭載)

はじめに

YOLOv8(You Only Look Once バージョン 8)は、リアルタイム物体検出モデルの YOLO シリーズの中で最も人気のあるバージョンです。速度、精度、柔軟性においていくつかの進歩を導入し、従来のバージョンの強みを活かしています。Raspberry-pi-AI-kit は、Hailo-8L チップを中心に構築された 13 TOPS のニューラルネットワーク推論アクセラレータを備え、推論速度を向上させます。

この Wiki では、reComputer R1000 上で Raspberry-pi-AI-kit を使用した場合と使用しない場合の YOLOv8 による物体検出を実演します。Raspberry Pi AI Kit は Raspberry Pi の性能を向上させ、スマートリテールやスマート交通などの人工知能および機械学習アプリケーションでその可能性を引き出します。Raspberry AI Kit は Raspberry Pi 5 用に設計されていますが、CM4 搭載のエッジゲートウェイで実験を行いました。エッジデバイスをインテリジェント IoT ゲートウェイに変えることに興奮しています!

ハードウェアの準備

reComputer r1000Raspberry Pi AI Kit

このプロジェクトを実行する

ステップ 1: AI キットをインストールする

pir

ステップ 2: システムを更新し、PCIe を Gen3 に設定する

システムを更新する

reComputer R1000 上でターミナルを開き、以下のコマンドを入力してシステムを更新します。

sudo apt update
sudo apt full-upgrade

PCIe を Gen3 に設定する

reComputer R1000 上でターミナルを開き、以下のコマンドを入力して reComputer R1000 を設定します。

sudo raspi-config

オプション "6 Advanced Options" を選択します。

pir

次にオプション "A8 PCIe Speed" を選択します。

pir

"Yes" を選択して PCIe Gen 3 モードを有効にします。

pir

"Finish" をクリックして終了します。

pir

ステップ 3: Hailo ソフトウェアをインストールし、インストールを確認する

Hailo ソフトウェアをインストールする

reComputer R1000 上でターミナルを開き、以下のコマンドを入力して Hailo ソフトウェアをインストールします。

sudo apt install hailo-all
sudo reboot

ソフトウェアとハードウェアを確認する

reComputer R1000 上でターミナルを開き、以下のコマンドを入力して hailo-all がインストールされているか確認します。

hailortcli fw-control identify

正しい結果は以下のように表示されます:

pir

reComputer R1000 上でターミナルを開き、以下のコマンドを入力して hailo-8L が接続されているか確認します。

lspci | grep Hailo

正しい結果は以下のように表示されます:

pir

YOLOv8 を実行する

reComputer R1000 上でターミナルを開き、以下のコマンドを入力して YOLOv8 を実行します。

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 object-detection-hailo

結果

pir

結果

AIキットを使用する前後で、入力解像度640*640のYOLOv8による物体検出の推論速度を比較しました。結果として、加速前の推論速度はわずか0.75 FPSでしたが、加速後には29.5 FPSに達しました。

プロジェクトの展望

このプロジェクトでは、AIキットを使用した場合と使用しない場合のYOLOv8による物体検出の実行速度をベンチマークしました。結果として、AIキットがエッジデバイスのパフォーマンスを大幅に向上させることが確認されました。今後は、加速後のAIキットを使用して、セマンティックセグメンテーションやポーズ推定など、異なるシナリオでのYOLOv8の実行速度をベンチマークする予定です。

技術サポートと製品ディスカッション

弊社製品をお選びいただきありがとうございます!製品をご利用いただく際に、スムーズな体験を提供するため、さまざまなサポートをご用意しています。お客様の好みやニーズに応じた複数のコミュニケーションチャネルを提供しています。

Loading Comments...