$ hub install MiDaS_Large==1.0.0

在线体验

AI Studio 快速体验

模型安装

$hub install MiDaS_Large

效果展示

API 说明

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]，默认为 None；
• paths (list[str]): 图片的路径，默认为 None；
• batch_size (int): batch 的大小，默认设为 1；
• visualization (bool): 是否将识别结果保存为图片文件，默认设为 False；
• output_dir (str): 图片的保存路径，默认设为 output。

返回

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

预测代码示例

import cv2
import paddlehub as hub

# 模型加载
# use_gpu：是否使用GPU进行预测
model = hub.Module(name='MiDaS_Large', use_gpu=False)

# 模型预测
result = model.depth_estimation(images=[cv2.imread('/PATH/TO/IMAGE')])

# or
# result = model.style_transfer(paths=['/PATH/TO/IMAGE'])

模型相关信息

模型代码

https://github.com/intel-isl/MiDaS

依赖

paddlepaddle >= 2.0.0rc0

paddlehub >= 2.0.0b1

更新历史

• 1.0.0

  初始发布