YOLOv8 を使用した reComputer R1000 上での物体検出(Hailo-8L 搭載)
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
このプロジェクトを実行する
- Hailo-8L を使用して実行
- Hailo-8L を使用せずに実行
ステップ 1: AI キットをインストールする
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。
次にオプション "A8 PCIe Speed" を選択します。
"Yes" を選択して PCIe Gen 3 モードを有効にします。
"Finish" をクリックして終了します。
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:
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:
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
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。