\u200E
PaddleHub
便捷地获取PaddlePaddle生态下的预训练模型,完成模型的管理和一键预测。配合使用Fine-tune API,可以基于大规模预训练模型快速完成迁移学习,让预训练模型能更好地服务于用户特定场景的应用
零基础快速开始
MiDaS_Large
类别图像 - 深度估计
网络-
数据集3D Movies, WSVD, ReDWeb, MegaDepth
模型概述
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。
选择模型版本进行安装
1.0.0 (最新版)
$ 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

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