Benchmark Script for FastSAM and ORB

Franco Mucco

Completed work

AI Engineer

OpenCV

PyTorch

Electronics

Script di benchmark per:

FastSAM-x e FastSAM-s a risoluzioni: 512, 576, 640, 704, 768, 832, 896, 960, 1024 su 8 immagini statiche.

ORB (OpenCV) con sweep di combinazioni parametriche, misurando latenza, #keypoint e keypoints/ms.

ORB per Pose estimation e Orientamento stima orientamento e angolo di immagini ruotate di 45 gradi (front/back) + angolo usando due reference:

• Coop_fronte_texture_fronte.png (front)

• Coop_retro_texture_retro.png (back)

Output: CSV con i tempi e risultati.

Indice

Requisiti

Piattaforme supportate

Setup ambiente

Installazione PyTorch

Installazione dipendenze

Struttura progetto

Uso

Uso su Jetson (Nano/Orin/Xavier)

Ottimizzazioni & consigli

Troubleshooting

Requisiti

Python 3.9 – 3.11 (consigliato 3.10 per massima compatibilità).

PyTorch installato correttamente per la tua piattaforma (CPU/CUDA/macOS Metal).

Connessione internet se i pesi non sono presenti localmente (lo script li scarica in automatico).

Lo script seleziona automaticamente il device: CUDA → MPS (macOS) → CPU.

Piattaforme supportate

Windows 10/11 (x64)

macOS (Intel e Apple Silicon M1/M2/M3)

Linux (x64)

NVIDIA Jetson (Nano/Orin/Xavier) — vedi sezione dedicata

Setup ambiente

Linux / macOS

python3 -m venv venv
source venv/bin/activate

Windows (PowerShell)

python -m venv venv
venv\Scripts\Activate.ps1

Installazione PyTorch

Scegli la build corretta (usa anche la guida su https://pytorch.org/get-started/locally/).

CPU only:

pip install torch torchvision torchaudio --index-url https://download.pytorch.org/whl/cpu

CUDA 12.4 (GPU NVIDIA):

pip install torch torchvision torchaudio --index-url https://download.pytorch.org/whl/cu124

macOS (Apple Silicon / Metal):

pip install torch torchvision torchaudio

Su Jetson NON usare questi comandi generici: vedi la sezione Uso su Jetson.

Installazione dipendenze

pip install -r requirements.txt

Se su Linux/Jetson hai conflitti con OpenCV di sistema, usa:

pip install opencv-python-headless

Struttura progetto

project/
├── benchmark_fastsam_orb.py     # Script principale (no-args)
├── requirements.txt
├── README.md
├── FastSAM-x.pt                  # (opzionale: lo script può scaricarli)
├── FastSAM-s.pt                  # (opzionale: lo script può scaricarli)
└── images/
    ├── image1.jpg
    ├── image2.jpg
    └── image3.jpg

Uso

Esegui senza argomenti:

python benchmark_fastsam_orb.py

Device scelto automaticamente (CUDA/MPS/CPU).

Se i pesi non sono presenti, lo script prova a scaricarli (vedi sotto).

Uso su Jetson (Nano/Orin/Xavier)

I dispositivi Jetson hanno RAM/CPU limitate; ecco il percorso consigliato.

1) Ambiente & dipendenze

python3 -m venv venv
source venv/bin/activate
pip install --upgrade pip wheel
pip install opencv-python-headless numpy pandas pillow tqdm

2) PyTorch per Jetson

Installa la ruota compatibile con la tua versione di JetPack/CUDA (gli URL cambiano nel tempo: verifica sul forum NVIDIA “PyTorch for Jetson”).

Esempio — JetPack 4.6.1, Python 3.8:

wget https://nvidia.box.com/shared/static/3nm3gxxwy8f8q4nwd6kgtl4p3yr3zd8i.whl -O torch-1.10.0-cp38-cp38-linux_aarch64.whl
pip install torch-1.10.0-cp38-cp38-linux_aarch64.whl
pip install torchvision==0.11.1

Esempio — JetPack 5.1, Python 3.8:

wget https://nvidia.box.com/shared/static/bz5lxprp6k25lhk1pnc6u9h7v4rfv74i.whl -O torch-2.1.0-cp38-cp38-linux_aarch64.whl
pip install torch-2.1.0-cp38-cp38-linux_aarch64.whl
pip install torchvision==0.16.0

Ottimizzazioni & consigli

Chiudi applicazioni in background durante i test.

Mantieni la macchina “in idle” per risultati più stabili.

Aumenta repeats (es. 10) se vuoi statistiche più affidabili (su Jetson, attenzione ai tempi).

Per confronti, usa sempre le stesse 3 immagini e stesse risoluzioni.

Troubleshooting

ImportError: fastsam → pip install "git+https://github.com/CASIA-IVA-Lab/FastSAM.git"

CUDA non rilevata → verifica driver (nvidia-smi su PC, tegrastats su Jetson); in fallback lo script userà CPU/MPS

OpenCV in conflitto (Linux/Jetson) → pip install opencv-python-headless

Pesi non scaricati → scarica manualmente FastSAM-x.pt / FastSAM-s.pt e mettili accanto allo script

RAM insufficiente → usa solo FastSAM-s.pt, riduci risoluzioni e repeats

Like this project

Completed work

Posted Sep 17, 2025

Created benchmark script for FastSAM and ORB with CSV output.

Likes

Views

Timeline

Mar 4, 2025 - Ongoing