MiDaS_Large

MiDaS_Large

模型名称	MiDaS_Large
类别	图像 - 深度估计
网络	-
数据集	3D Movies, WSVD, ReDWeb, MegaDepth
是否支持Fine-tuning	否
模型大小	399MB
最新更新日期	2021-02-26
数据指标	-

一、模型基本信息

• 应用效果展示

  • 样例结果示例：

    
    

• 模型介绍

  • MiDaS_Large是一个单目深度估计模型，模型可通过输入图像估计其中的深度信息。

二、安装

• 1、环境依赖

  • paddlepaddle >= 2.0.0

  • paddlehub >= 2.0.0 | 如何安装paddlehub

• 2、安装

  • $ hub install MiDaS_Large

  • 如您安装时遇到问题，可参考：零基础windows安装 | 零基础Linux安装 | 零基础MacOS安装

三、模型API预测

• 1、预测代码示例

  • import paddlehub as hub
    import cv2
    
    model = hub.Module(name="MiDaS_Large")
    result = model.depth_estimation(images=[cv2.imread('/PATH/TO/IMAGE')])
    # or
    # result = model.depth_estimation(paths=['/PATH/TO/IMAGE'])

• 2、API

  • def depth_estimation(images=None,
                    paths=None,
                    batch_size=1,
                    output_dir='output',
                    visualization=False):

    • 深度估计API。

    • 参数

      • images (list[numpy.ndarray]): 图片数据，ndarray.shape 为 [H, W, C]；
        
      • paths (list[str]): 图片的路径；
        
      • batch_size (int) : batch 的大小；
        
      • output_dir (str): 图片的保存路径，默认设为 output；
        
      • visualization (bool) : 是否将结果保存为图片文件。

      NOTE: paths和images两个参数选择其一进行提供数据

    • 返回

      • res (list[numpy.ndarray]): 图像深度数据，ndarray.shape 为 [H, W]

四、更新历史

• 1.0.0

  初始发布

  • $ hub install MiDaS_Large==1.0.0