CV / Depth-Anything

Depth-Anything-V2-ViTS

reComputer R Series (CM5 + Hailo-8)

Monokulare Zero-Shot-Tiefenschätzung mit Depth-Anything-V2-Small auf reComputer R Series mit Hailo-8 oder Hailo-10H.

39 Downloads

Größe

35 MB

Speicher

4GB+

Präzision

Hailo HEF

Wähle das Gerät, das du verwendest. Die Einrichtungsanleitung und Dokumentation werden entsprechend aktualisiert.

Plattform

Inferenz-Engine

Erste Schritte

Bereitstellen

sudo docker run --rm \
  --name cm5-hailo8-depth-anything-v2-vits \
  --privileged \
  --net=host \
  -e PYTHONUNBUFFERED=1 \
  --device /dev/hailo0:/dev/hailo0 \
  -v /usr/lib/libhailort.so.4.23.0:/usr/lib/libhailort.so.4.23.0:ro \
  -v /usr/lib/libhailort.so:/usr/lib/libhailort.so:ro \
  ghcr.io/seeed-projects/recomputer-hailo8-cv/depth_anything_v2_vits:latest \
  python web_detection.py --model_path model/depth_anything_v2_vits.hef --video_path video/test.mp4

REST API

Verwende die REST API für die Inferenz. Kopiere die folgenden Befehle.

Curl

curl -X POST "http://<Board_IP>:8000/api/models/depth_anything_v2_vits/predict" \
  -F "file=@test.jpg"

Python

import requests
response = requests.post(
    "http://<Board_IP>:8000/api/models/depth_anything_v2_vits/predict",
    files={"file": open("test.jpg", "rb")},
    timeout=30,
)
print(response.json())

Modelldetails

reComputer R Series

Depth-Anything-V2-ViTS auf reComputer R Series (CM5 + Hailo-8)

Depth-Anything-V2-Small (ViT-S-Backbone) führt auf Hailo-8 eine monokulare Zero-Shot-Tiefenschätzung aus. Das HEF liefert eine relative Tiefenkarte mit 224×224×1; die Anwendung normalisiert sie, wendet die INFERNO-Farbskala an und mischt sie per Alpha mit dem Originalbild.

Modellinformationen

Eigenschaft	Wert
Architektur	ViT-S (Depth-Anything-V2-Small-hf)
Aufgabe	Zero-Shot-Tiefenschätzung
Eingabe	224x224x3 RGB
Ausgabe	Tiefenkarte 224x224x1 (relativ)
Parameter	24.2M
Operationen	16.7G
AbsRel	0.147
HEF	Hailo Model Zoo v2.19.0, Hailo-8

Mit Demovideo ausführen

bash

sudo docker run --rm \
  --name cm5-hailo8-depth-anything-v2-vits \
  --privileged \
  --net=host \
  -e PYTHONUNBUFFERED=1 \
  --device /dev/hailo0:/dev/hailo0 \
  -v /usr/lib/libhailort.so.4.23.0:/usr/lib/libhailort.so.4.23.0:ro \
  -v /usr/lib/libhailort.so:/usr/lib/libhailort.so:ro \
  ghcr.io/seeed-projects/recomputer-hailo8-cv/depth_anything_v2_vits:latest \
  python web_detection.py --model_path model/depth_anything_v2_vits.hef --video_path video/test.mp4

Öffnen Sie http://<Board_IP>:8000, um die Tiefenüberlagerung anzuzeigen.

REST-API

bash

curl -X POST "http://<Board_IP>:8000/api/models/depth_anything_v2_vits/predict" \
  -F "file=@test.jpg"

Gibt depth_stats (Minimum, Maximum, Mittelwert, Standardabweichung) für die vorhergesagte Tiefenkarte zurück.

Endpunkt	Methode	Zweck
`/api/models/depth_anything_v2_vits/predict`	POST	Tiefenstatistiken (JSON)
`/api/video_feed`	GET	MJPEG mit INFERNO-Tiefenüberlagerung

Implementierungshinweise

Relative Tiefe: Die Ausgabe wird pro Bild min-max-normalisiert (keine metrische Entfernung). Höher = weiter entfernt. Dunkel (INFERNO) = nah, hell = fern.
Der Schieberegler steuert die Alpha-Mischung zwischen Originalbild und Tiefenfarbskala.
normalize_in_net verwendet ImageNet RGB; keine input_conversion → rohe uint8-RGB-Daten zuführen.
Keine Nachverarbeitung auf dem Chip: Ausgabe einer rohen FLOAT32-Tiefenkarte.

Entwicklungshinweise

Quelle: src/rpi5_hailo8_depth_anything_v2_vits/
Container: ghcr.io/seeed-projects/recomputer-hailo8-cv/depth_anything_v2_vits:latest
Familie: depth_anything (Varianten v2_vits / vits)

Eingaben und Ausgaben

Input: image, video, or USB camera frame. Output: relative depth map with INFERNO colormap overlay on MJPEG preview, plus depth statistics (min/max/mean/std) via API.