CV / Depth-Anything

Depth-Anything-V2-ViTS

reComputer R Series (CM5 + Hailo-8)

在搭载 Hailo-8 或 Hailo-10H 的 reComputer R Series 上使用 Depth-Anything-V2-Small 进行零样本单目深度估计。

39 次下载

大小

35 MB

内存

4GB+

精度

Hailo HEF

选择你正在使用的设备，设置指南和文档将相应更新。

平台

推理引擎

快速开始

部署

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

使用 REST API 进行推理。复制以下命令。

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())

模型详情

reComputer R Series

Depth-Anything-V2-ViTS 在 reComputer R Series（CM5 + Hailo-8）上运行

Depth-Anything-V2-Small（ViT-S 骨干网络）在 Hailo-8 上执行零样本单目深度估计。HEF 输出 224×224×1 的相对深度图；应用先对其归一化，再应用 INFERNO 色图，最后通过 alpha 混合叠加到原始帧上。

模型信息

属性	值
架构	ViT-S（Depth-Anything-V2-Small-hf）
任务	零样本深度估计
输入	224x224x3 RGB
输出	深度图 224x224x1（相对值）
参数量	24.2M
运算量	16.7G
AbsRel	0.147
HEF	Hailo Model Zoo v2.19.0, Hailo-8

使用演示视频运行

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

打开 http://<Board_IP>:8000 查看深度叠加效果。

REST API

bash

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

返回预测深度图的 depth_stats（最小值、最大值、均值、标准差）。

端点	方法	用途
`/api/models/depth_anything_v2_vits/predict`	POST	深度统计（JSON）
`/api/video_feed`	GET	带 INFERNO 深度叠加的 MJPEG

实现说明

相对深度：输出按帧进行 min-max 归一化（不是实际距离）。数值越高表示越远；INFERNO 中暗色表示近，亮色表示远。
滑块控制原始帧和深度色图之间的 alpha 混合比例。
normalize_in_net 使用 ImageNet RGB；没有 input_conversion → 输入原始 uint8 RGB 数据。
不使用片上后处理，输出原始 FLOAT32 深度图。

开发说明

来源： src/rpi5_hailo8_depth_anything_v2_vits/
容器： ghcr.io/seeed-projects/recomputer-hailo8-cv/depth_anything_v2_vits:latest
系列：depth_anything（变体：v2_vits / vits）

输入与输出

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.