Skip to main content

reComputer R1000とHailo-8Lを使用したYOLOv8ポーズ推定

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

reComputer R1000とHailo-8Lを使用したYOLOv8ポーズ推定

はじめに​

YOLOv8（You Only Look Onceバージョン8）は、リアルタイムポーズ推定モデルの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によるポーズ推定を実演します。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トラフィックなどの人工知能および機械学習アプリケーション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なIoTゲートウェイに変えることにワクワクしています！

ハードウェアの準備​

reComputer r1000Raspberry Pi AI Kit
今すぐ購入 🖱️
今すぐ購入 🖱️

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​

pir

ステップ2: システムを更新し、PCIeをGen3に設定​

システムを更新​

reComputer R1000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​

reComputer R1000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​

Hailoソフトウェアをインストール​

reComputer R1000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​

reComputer R1000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​

reComputer R1000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 pose-estimation-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によるポーズ推定の推論速度を比較しました。結果は、加速前の推論速度はわずか0.5 FPSでしたが、加速後には27 FPSに達したことを示しています。

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によるポーズ推定の実行速度をベンチマークしました。結果は、AIキットがエッジデバイスの性能を大幅に向上させることを示しています。今後は、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に関する議論​

弊社製品をお選びいただきありがとうございます！製品の使用体験がスムーズになるよう、さまざまなサポートを提供しています。異なる好みやニーズに対応するため、いくつかのコミュニケーションチャネルをご用意しています。

Loading Comments...