CV / Depth-Anything

Depth-Anything-ViTS

reComputer R Series (CM5 + Hailo-10H)

Hailo-8 または Hailo-10H 搭載の reComputer R Series で、Depth-Anything V1（ViT-S）によるゼロショット単眼深度推定を実行します。

49 ダウンロード

サイズ

24.6 MB

メモリ

4GB+

精度

Hailo HEF

使用しているデバイスを選択してください。セットアップガイドとドキュメントがそれに応じて更新されます。

プラットフォーム

推論エンジン

はじめる

デプロイ

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

REST API

REST API を使用して推論を実行します。以下のコマンドをコピーしてください。

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())

モデル詳細

reComputer R Series (CM5 + Hailo-10H)

reComputer R Series (CM5 + Hailo-10H) で Depth-Anything-ViTS を実行

Depth-Anything V1（ViT-S バックボーン）は、HailoRT を介して Hailo-10H 上でゼロショット単眼深度推定を実行します。入出力は V2 と同じですが、精度はわずかに高くなります（AbsRel 0.13 対 0.147）。HEF は 224×224×1 の相対深度マップを出力します。INFERNO カラーマップによる可視化と深度統計 API を備えています。

モデル情報

項目	値
アーキテクチャ	ViT-S (Depth-Anything V1)
タスク	ゼロショット深度推定
入力	224x224x3 RGB
出力	深度マップ 224x224x1（相対、FLOAT32）
パラメータ数	24.2M
演算量	16.7G
AbsRel	0.13
HEF	Hailo Model Zoo v5.4.0、Hailo-10H
HEF サイズ	24.6 MB (24,621,056 bytes)

デモ動画で実行

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

http://<Board_IP>:8000 を開いて深度オーバーレイを表示します。

USB カメラを使用する場合は、/dev/video0 をマウントし、--video_path ... を --camera_id 0 に置き換えます。

REST API

bash

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

予測した深度マップの depth_stats（最小値、最大値、平均、標準偏差）を返します。

エンドポイント	メソッド	用途
`/api/models/depth_anything_vits/predict`	POST	深度統計（JSON）
`/api/video_feed`	GET	INFERNO 深度オーバーレイ付き MJPEG

実装メモ

相対深度: 出力はフレームごとに min-max 正規化されます（実距離ではありません）。値が大きいほど遠距離です。INFERNO の暗色は近距離、明色は遠距離を表します。
スライダーで元フレームと深度カラーマップのアルファブレンド比率を調整できます。
normalize_in_net は ImageNet RGB を使用します。input_conversion はないため、レターボックス処理後に生の uint8 RGB を入力します。
オンチップの後処理はありません — 生の深度マップを出力し、FLOAT32 の vstream として要求することで、ホストは逆量子化された値を受け取ります。
HEF の入力サイズは起動時に読み取られます（224x224）。

開発メモ

出典: src/hailo10h_depth_anything_vits/
Dockerfile: docker/hailo10h/depth_anything_vits.dockerfile
コンテナ: 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
ファミリー: depth_anything（バリアント: v2_vits / vits）

入力と出力

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.