CV / Depth-Anything

Depth-Anything-V2-ViTS

reComputer R Series (CM5 + Hailo-8)

Monoculaire diepteschatting zonder specifieke training met Depth-Anything-V2-Small op reComputer R Series met Hailo-8 of Hailo-10H.

39 downloads

Grootte

35 MB

Geheugen

4GB+

Precisie

Hailo HEF

Kies het apparaat dat je gebruikt. De installatiehandleiding en documentatie worden dienovereenkomstig bijgewerkt.

Platform

Inferentie-engine

Aan de slag

Implementeren

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

Gebruik de REST API om inferentie uit te voeren. Kopieer de onderstaande commando's.

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())

Modeldetails

reComputer R Series

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

Depth-Anything-V2-Small (ViT-S-backbone) voert zero-shot monoculaire diepteschatting uit op Hailo-8. Het HEF levert een relatieve dieptekaart van 224×224×1; de toepassing normaliseert die, past een INFERNO-kleurenkaart toe en mengt die met alfa over het oorspronkelijke beeld.

Modelinformatie

Eigenschap	Waarde
Architectuur	ViT-S (Depth-Anything-V2-Small-hf)
Taak	Zero-shot diepteschatting
Invoer	224x224x3 RGB
Uitvoer	Dieptekaart 224x224x1 (relatief)
Parameters	24.2M
Bewerkingen	16.7G
AbsRel	0.147
HEF	Hailo Model Zoo v2.19.0, Hailo-8

Uitvoeren met demovideo

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

Open http://<Board_IP>:8000 om de diepte-overlay te bekijken.

REST-API

bash

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

Retourneert depth_stats (minimum, maximum, gemiddelde, standaardafwijking) voor de voorspelde dieptekaart.

Endpoint	Methode	Doel
`/api/models/depth_anything_v2_vits/predict`	POST	Dieptestatistieken (JSON)
`/api/video_feed`	GET	MJPEG met INFERNO-diepte-overlay

Implementatienotities

Relatieve diepte: de uitvoer wordt per beeld min-max-genormaliseerd (geen metrische afstand). Hoger = verder weg. Donker (INFERNO) = dichtbij; licht = ver weg.
De schuifregelaar bepaalt de alfamenging tussen het oorspronkelijke beeld en de dieptekleurenkaart.
normalize_in_net gebruikt ImageNet RGB; geen input_conversion → lever ruwe uint8-RGB-gegevens.
Geen nabewerking op de chip: uitvoer van een ruwe FLOAT32-dieptekaart.

Ontwikkelnotities

Bron: 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)

Invoer en uitvoer

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.