「Raspberry Pi上でのYOLO物体検出」

YOLO object detection on Raspberry Pi

低消費電力デバイスでのオブジェクト検出モデルの実行

この記事の前半では、人気のあるオブジェクト検出ライブラリであるYOLO（You Only Look Once）の「レトロ」バージョンをテストしました。OpenCVのみを使用して、PyTorchやKerasなどの「重い」フレームワークなしでディープラーニングモデルを実行する可能性は、低消費電力デバイスにとって有望です。そのため、このトピックについてさらに詳しく調査し、最新のYOLO v8モデルがRaspberry Pi上でどのように動作するかを確認することにしました。

詳細を見ていきましょう。

ハードウェア

クラウドではリソースがほぼ無制限であるため、どのモデルでも実行することは通常問題ありません。しかし、現場のハードウェアではさまざまな制約があります。制限されたRAM、CPUパワー、さらには異なるCPUアーキテクチャ、古いバージョンのソフトウェア、高速インターネット接続の欠如などがあります。クラウドインフラのもう一つの大きな問題は、そのコストです。例えば、スマートドアベルに人物検出を追加したいとします。クラウドでモデルを実行できますが、API呼び出しにはお金がかかります。誰がその費用を負担するでしょうか？毎月のドアベルや同様の「スマート」デバイスのための定期購読を持つことが、すべての顧客にとって望ましいわけではありませんので、結果があまり良くなくてもモデルをローカルで実行することが重要になる場合もあります。

このテストでは、Raspberry Pi上でYOLO v8モデルを実行します：

• Pythonにおける型ヒント
• 「SQLで移動平均と累積合計をマスターするための簡単なガイド」
• 「ChatGPTでより説得力を持つようになろう」

Raspberry Piは、RaspbianまたはUbuntu Linuxを実行する安価なクレジットカードサイズのシングルボードコンピュータです。私は2つの異なるバージョンをテストします：

• Raspberry Pi 3 Model B（2015年製造）。1.2 GHz Cortex-A53 ARM CPUと1 GBのRAMを搭載しています。
• Raspberry Pi 4（2019年製造）。1.8 GHz Cortex-A72 ARM CPUと1、4、または8 GBのRAMを搭載しています。

Raspberry Piコンピュータは現在広く使用されており、趣味やDIYプロジェクトだけでなく、組み込み産業アプリケーションにも使用されています（Raspberry Pi Compute Moduleはそれに特化して設計されました）。そのため、オブジェクト検出のような計算負荷の高い操作をこれらのボードがどのように処理するかを見ることは興味深いです。以降のすべてのテストには、この…

We will continue to update VoAGI; if you have any questions or suggestions, please contact us!