CV / Depth-Anything

Depth-Anything-ViTS

reComputer R Series (CM5 + Hailo-10H)

Estimación monocular de profundidad sin entrenamiento específico con Depth-Anything V1 (ViT-S) en reComputer R Series con Hailo-8 o Hailo-10H.

49 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-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_vits:latest \
  python web_detection.py --model_path model/depth_anything_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_vits/predict" \
  -F "file=@test.jpg"

Python

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

Detalles del modelo

reComputer R Series (CM5 + Hailo-10H)

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

Depth-Anything V1 (red troncal ViT-S) realiza estimación monocular de profundidad sin entrenamiento específico (zero-shot) en Hailo-10H mediante HailoRT. Tiene las mismas entradas/salidas que V2, pero con algo más de precisión (AbsRel 0.13 frente a 0.147). El HEF genera un mapa de profundidad relativo de 224×224×1; incluye visualización con mapa de colores INFERNO y API de estadísticas de profundidad.

Información del modelo

Propiedad	Valor
Arquitectura	ViT-S (Depth-Anything V1)
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	0.13
HEF	Hailo Model Zoo v5.4.0, Hailo-10H
Tamaño del HEF	24.6 MB (24,621,056 bytes)

Ejecución con el vídeo de demostración

bash

sudo docker run --rm \
  --name cm5-hailo10h-depth-anything-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_vits:latest \
  python web_detection.py --model_path model/depth_anything_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_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_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_vits/
Dockerfile: docker/hailo10h/depth_anything_vits.dockerfile
Contenedor: ghcr.io/seeed-projects/recomputer-hailo10h-cv/depth_anything_vits:latest
HEF: Hailo Model Zoo v5.4.0 (hailo10h), 24,621,056 bytes, SHA256 5d32051560d30cf879a4a6158edea382d4a2ec6b4b2d421e58696e8c1ec85beb
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.