ドキュメントYOLO11顔検出システム -- 全体紹介
YOLO11 モデルをベースとしたリアルタイム顔検出 Web アプリケーションです。Horizon RDK-X5 プラットフォーム向けに最適化されており、BPU によるハードウェアアクセラレーションに対応しています。
✨ 特長
- 🎯 高精度検出: YOLO11 ベースの最新顔検出アルゴリズム、mAP@0.5 は 92.5%
- 🚀 ハードウェアアクセラレーション: Horizon RDK-X5 BPU 専用の最適化、推論時間 <25ms
- 🌐 Web インターフェース: モダンなレスポンシブ UI、リアルタイム映像ストリーム表示
- ⚙️ 柔軟な設定: リアルタイムのパラメータ調整と複数環境へのデプロイに対応
- 📊 パフォーマンス監視: FPS、メモリ、統計情報を網羅的に表示
🚀 クイックスタート
1. 環境のインストール
# 克隆项目
git clone <repository-url>
cd yolo/face
# 创建虚拟环境
python -m venv venv
source venv/bin/activate # Linux/Mac
# venv\Scripts\activate # Windows
# 安装依赖
pip install -r requirements.txt
2. モデルの準備
# 创建模型目录并放置模型文件
mkdir -p models
# 将YOLO11模型文件复制到models目录
cp path/to/yolo11n_face_detect_bayese_320x320_nv12.bin models/
3. アプリケーションの起動
# 直接启动
python main.py
# 或使用环境变量自定义配置
FACE_SERVER_PORT=8003 FACE_LOG_LEVEL=INFO python main.py
http://localhost:8003 にアクセスして Web インターフェースを表示します。
4. グレースフルシャットダウン
# 按 Ctrl+C 即可优雅停止应用
# 系统会自动：
# - 停止视频流生成
# - 释放摄像头资源
# - 清理系统资源
# - 关闭Web服务
技術仕様
| 項目 | RDK-X5 BPU モード | CPU 開発モード |
|---|---|---|
| 推論時間 | 15-25ms | ~20ms（シミュレーション） |
| 処理フレームレート | 25-30 FPS | 15-20 FPS |
| メモリ使用量 | ~200MB | ~150MB |
| 検出精度 | mAP@0.5: 92.5% | 機能は完全 |
🎯 学習のポイント
- YOLO11 アルゴリズム: 最新の物体検出アルゴリズムの原理と実装を学ぶ
- エッジ AI デプロイ: Horizon BPU によるハードウェアアクセラレーションとモデル最適化を体験する
- リアルタイム映像処理: OpenCV とマルチスレッドによる映像処理技術を習得する
- Web サービス開発: Flask フレームワークと REST API 設計
- 設定管理: 階層型設定システムと環境変数管理のベストプラクティス
- パフォーマンス最適化: BPU 推論の最適化、メモリ管理、システムチューニング
- モデル量子化: INT8 量子化と推論高速化技術
- コンピュータビジョン: DFL 回帰、NMS アルゴリズム、後処理技術
- グレースフルシャットダウン: シグナル処理とリソース管理のベストプラクティス
📚 詳細ドキュメント
詳細については
- システムアーキテクチャ - システム設計とコンポーネントの詳細
- API インターフェース - REST API の完全なドキュメント
- 設定管理 - 詳細な設定オプションとデプロイガイド
- モデル詳解 - YOLO11 アルゴリズムの原理と BPU 最適化戦略
デプロイの実装
YOLO11顔検出システムの実装
コミュニティ
資料のダウンロード・技術サポートについては、HumansX株式会社までお問い合わせください。