CV / Depth-Anything

Depth-Anything-V2-ViTS

reComputer R Series (CM5 + Hailo-8)

Estimation monoculaire de profondeur sans entraînement spécifique avec Depth-Anything-V2-Small sur reComputer R Series avec Hailo-8 ou Hailo-10H.

39 téléchargements

Taille

35 MB

Mémoire

4GB+

Précision

Hailo HEF

Choisissez l'appareil que vous utilisez. Le guide de configuration et la documentation seront mis à jour en conséquence.

Plateforme

Moteur d'inférence

Pour commencer

Déployer

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

API REST

Utilisez l'API REST pour exécuter l'inférence. Copiez les commandes ci-dessous.

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())

Détails du modèle

reComputer R Series

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

Depth-Anything-V2-Small (dorsale ViT-S) effectue une estimation monoculaire de profondeur sans entraînement spécifique (zero-shot) sur Hailo-8. Le HEF produit une carte de profondeur relative 224×224×1 ; l'application la normalise, applique une palette INFERNO et la superpose à l'image originale par mélange alpha.

Informations du modèle

Propriété	Valeur
Architecture	ViT-S (Depth-Anything-V2-Small-hf)
Tâche	Estimation de profondeur sans entraînement spécifique (zero-shot)
Entrée	224x224x3 RGB
Sortie	Carte de profondeur 224x224x1 (relative)
Paramètres	24.2M
Opérations	16.7G
AbsRel	0.147
HEF	Hailo Model Zoo v2.19.0, Hailo-8

Exécution avec la vidéo de démonstration

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

Ouvrez http://<Board_IP>:8000 pour afficher la superposition de profondeur.

API REST

bash

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

Renvoie depth_stats (minimum, maximum, moyenne, écart-type) pour la carte de profondeur prédite.

Point d’accès	Méthode	Fonction
`/api/models/depth_anything_v2_vits/predict`	POST	Statistiques de profondeur (JSON)
`/api/video_feed`	GET	MJPEG avec profondeur INFERNO superposée

Notes d’implémentation

Profondeur relative : la sortie est normalisée min-max pour chaque image (ce n'est pas une distance métrique). Une valeur plus élevée signifie plus loin. Sombre (INFERNO) = proche ; clair = loin.
Le curseur règle le mélange alpha entre l'image originale et la palette de profondeur.
normalize_in_net utilise ImageNet RGB ; aucune input_conversion → fournir du RGB uint8 brut.
Aucun post-traitement sur puce : sortie d'une carte de profondeur FLOAT32 brute.

Notes de développement

Source : src/rpi5_hailo8_depth_anything_v2_vits/
Conteneur : ghcr.io/seeed-projects/recomputer-hailo8-cv/depth_anything_v2_vits:latest
Famille : depth_anything (variantes v2_vits / vits)

Entrées et sorties

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.