MiDas
MiDaS 是一款专注于单目深度估计（Monocular Depth Estimation）的前沿深度学习模型。它摆脱了传统算法对双目相机或红外传感器的依赖，仅凭单幅彩色图像即可推算出场景的相对深度信息，有效地将二维图像转化为具备空间层次感的深度图。
- 核心特点：具备卓越的零样本（Zero-shot）泛化能力，能够从容应对从未见过的室内外复杂环境，生成的深度图具有清晰的物体轮廓与平滑的层次过渡，广泛应用于增强现实（AR）、照片背景虚化、机器人避障及 3D 场景重建。
- 版本说明：本案例采用 MiDaS v2 版本。作为该系列的经典成熟版本，它通过在大规模混合数据集上的预训练，解决了单目深度估计中常见的场景局限性问题。在保持主流推理速度的同时，它能够提供稳定且具有高空间保真度的深度预测，是目前工业界实现低成本、高质量空间感知任务的平衡优选。
环境配置
需要提前配置好相关环境。
快速开始
下载模型文件
O6 / O6N
cd ai_model_hub_25_Q3/models/ComputeVision/Depth_Estimation/onnx_MiDaS_v2
wget -O MiDaS_v2.cix https://www.modelscope.cn/models/cix/ai_model_hub_25_Q3/resolve/master/models/ComputeVision/Depth_Estimation/onnx_MiDaS_v2/MiDaS_v2.cix
模型测试
信息
运行前激活虚拟环境！
O6 / O6N
python3 inference_npu.py
完整转换流程
下载模型文件
Linux PC
cd ai_model_hub_25_Q3/models/ComputeVision/Depth_Estimation/onnx_MiDaS_v2/model
wget -O MiDaS_v2.onnx https://www.modelscope.cn/models/cix/ai_model_hub_25_Q3/resolve/master/models/ComputeVision/Depth_Estimation/onnx_MiDaS_v2/model/MiDaS_v2.onnx
项目结构
├── cfg
├── datasets
├── inference_npu.py
├── inference_onnx.py
├── model
├── README.md
├── test_data
└── MiDaS_v2.cix
进行模型量化和转换
Linux PC
cd ..
cixbuild cfg/onnx_MiDasV2build.cfg
推送到板端
完成模型转换之后需要将 cix 模型文件推送到板端。
测试主机推理
运行推理脚本
Linux PC
python3 inference_onnx.py
模型推理结果
Linux PC
$ python3 inference_onnx.py
initialize
loading model...
processing ./test_data/1.jpg
Inference time: 18.44 ms
processing ./test_data/2.jpg
Inference time: 16.14 ms
processing ./test_data/3.jpg
Inference time: 15.61 ms
Finished
进行 NPU 部署
运行推理脚本
O6 / O6N
python3 inference_npu.py
模型推理结果
O6 / O6N
$ python3 inference_npu.py
initialize
loading model...
npu: noe_init_context success
npu: noe_load_graph success
Input tensor count is 1.
Output tensor count is 1.
npu: noe_create_job success
processing ./test_data/3.jpg
Inference time: 4.72 ms
processing ./test_data/2.jpg
Inference time: 6.10 ms
processing ./test_data/1.jpg
Inference time: 6.42 ms
npu: noe_clean_job success
npu: noe_unload_graph success
npu: noe_deinit_context success
finished
