Update app.py

app.py

@@ -7,7 +7,6 @@ from fastapi import FastAPI, File, UploadFile
 from PIL import Image
 import uvicorn
 from torchvision import transforms
-from midas.model_loader import load_model  # Thư viện MiDaS
 
 # 🟢 Tạo FastAPI
 app = FastAPI()
@@ -15,9 +14,9 @@ app = FastAPI()
 # 🟢 Kiểm tra GPU
 device = torch.device("cuda" if torch.cuda.is_available() else "cpu")
 
-# 🟢 Tải model MiDaS (DPT-Swin2 Large 384)
-model_path = "dpt_swin2_large_384.pt"  # Đảm bảo đã tải file này từ GitHub
-midas = load_model(model_path, device)
+# 🟢 Tải model MiDaS
+midas = torch.hub.load("isl-org/MiDaS", "DPT_Swin2_L_384")
+midas.to(device)
 midas.eval()
 
 # 🟢 Chuẩn bị bộ tiền xử lý ảnh
@@ -32,9 +31,10 @@ async def analyze_path(file: UploadFile = File(...)):
     # 🟢 Đọc file ảnh từ ESP32
     image_bytes = await file.read()
     image = Image.open(io.BytesIO(image_bytes)).convert("RGB")
-
+    image_np = np.array(image)
+    flipped_image = cv2.flip(image_np, -1)
     # 🔵 Resize và chuẩn hóa ảnh
-    input_tensor = transform(image).unsqueeze(0).to(device)
+    input_tensor = transform(flipped_image).unsqueeze(0).to(device)
 
     # 🟢 Dự đoán Depth Map với MiDaS
     start_time = time.time()
@@ -79,4 +79,4 @@ def detect_path(depth_map):
 
 # 🟢 Chạy server FastAPI
 if __name__ == "__main__":
-    uvicorn.run(app, host="0.0.0.0", port=7860)
+    uvicorn.run(app, host="0.0.0.0", port=7860)