CV / Depth-Anything

Depth-Anything-V2-ViTS

reComputer R Series (CM5 + Hailo-10H)

Estimación monocular de profundidad sin entrenamiento específico con Depth-Anything-V2-Small en reComputer R Series con Hailo-8 o Hailo-10H.

33 descargas

Tamaño

24.6 MB

Memoria

4GB+

Precisión

Hailo HEF

Elige el dispositivo que estás usando. La guía de configuración y la documentación se actualizarán en consecuencia.

Plataforma

Motor de inferencia

Primeros pasos

Desplegar

sudo docker run --rm \
  --name cm5-hailo10h-depth-anything-v2-vits \
  --privileged \
  --net=host \
  -e PYTHONUNBUFFERED=1 \
  --device /dev/hailo0:/dev/hailo0 \
  -v /usr/lib/libhailort.so.5.1.1:/usr/lib/libhailort.so.5.1.1:ro \
  -v /usr/lib/libhailort.so:/usr/lib/libhailort.so:ro \
  ghcr.io/seeed-projects/recomputer-hailo10h-cv/depth_anything_v2_vits:latest \
  python web_detection.py --model_path model/depth_anything_v2_vits.hef --video_path video/test.mp4

API REST

Usa la API REST para ejecutar inferencia. Copia los comandos siguientes.

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())

Detalles del modelo

reComputer R Series (CM5 + Hailo-10H)

Depth-Anything-V2-ViTS en reComputer R Series (CM5 + Hailo-10H)

Depth-Anything-V2-Small (red troncal ViT-S) realiza estimación monocular de profundidad sin entrenamiento específico (zero-shot) en Hailo-10H mediante HailoRT. El HEF genera un mapa de profundidad relativo de 224×224×1; la aplicación lo normaliza, aplica un mapa de colores INFERNO y lo mezcla con alfa sobre el fotograma original.

Información del modelo

Propiedad	Valor
Arquitectura	ViT-S (Depth-Anything-V2-Small-hf)
Tarea	Estimación de profundidad sin entrenamiento específico (zero-shot)
Entrada	224x224x3 RGB
Salida	Mapa de profundidad 224x224x1 (relativo, FLOAT32)
Parámetros	24.2M
Operaciones	16.7G
AbsRel	0.147
HEF	Hailo Model Zoo v5.4.0, Hailo-10H
Tamaño del HEF	24.6 MB (24,596,480 bytes)

Ejecución con el vídeo de demostración

bash

sudo docker run --rm \
  --name cm5-hailo10h-depth-anything-v2-vits \
  --privileged \
  --net=host \
  -e PYTHONUNBUFFERED=1 \
  --device /dev/hailo0:/dev/hailo0 \
  -v /usr/lib/libhailort.so.5.1.1:/usr/lib/libhailort.so.5.1.1:ro \
  -v /usr/lib/libhailort.so:/usr/lib/libhailort.so:ro \
  ghcr.io/seeed-projects/recomputer-hailo10h-cv/depth_anything_v2_vits:latest \
  python web_detection.py --model_path model/depth_anything_v2_vits.hef --video_path video/test.mp4

Abra http://<Board_IP>:8000 para ver la superposición de profundidad.

Para usar una cámara USB, monte /dev/video0 y sustituya --video_path ... por --camera_id 0.

API REST

bash

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

Devuelve depth_stats (mínimo, máximo, media, desviación estándar) para el mapa de profundidad predicho.

Punto de acceso	Método	Finalidad
`/api/models/depth_anything_v2_vits/predict`	POST	Estadísticas de profundidad (JSON)
`/api/video_feed`	GET	MJPEG con superposición de profundidad INFERNO

Notas de implementación

Profundidad relativa: la salida se normaliza por fotograma al rango mín-máx (no es métrica). Un valor mayor = más lejos. Oscuro (INFERNO) = cerca, claro = lejos.
El control deslizante ajusta la mezcla alfa entre el fotograma original y el mapa de colores de profundidad.
normalize_in_net para RGB de ImageNet; sin input_conversion → se alimenta RGB uint8 sin procesar tras aplicar letterboxing.
Sin posprocesamiento en el chip: la salida es el mapa de profundidad sin procesar, solicitado como vstreams FLOAT32 para que el host reciba valores descuantizados.
El tamaño de entrada del HEF se lee al iniciar (224x224).

Notas de desarrollo

Fuente: src/hailo10h_depth_anything_v2_vits/
Dockerfile: docker/hailo10h/depth_anything_v2_vits.dockerfile
Contenedor: ghcr.io/seeed-projects/recomputer-hailo10h-cv/depth_anything_v2_vits:latest
HEF: Hailo Model Zoo v5.4.0 (hailo10h), 24,596,480 bytes, SHA256 b6f6328ec3d6b3c09235ce5ee33b5aebc7c63d5443083d7dc5613155bc298744
Familia: depth_anything (variantes v2_vits / vits)

Entradas y salidas

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.