Update app.py

app.py

@@ -1,6 +1,4 @@
 import io
-import os
-import sys
 import time
 import numpy as np
 import cv2
@@ -12,23 +10,9 @@ import uvicorn
 
 app = FastAPI()
 
-# 🟢 Clone ZoeDepth nếu chưa có
-zoe_path = "ZoeDepth"
-if not os.path.exists(zoe_path):
-    os.system("git clone https://github.com/isl-org/ZoeDepth.git")
-
-# 🟢 Thêm ZoeDepth vào sys.path để import được
-sys.path.append(os.path.abspath(zoe_path))
-
-# 🟢 Import ZoeDepth sau khi đã tải về
-from zoedepth.models.builder import build_model
-from zoedepth.utils.config import get_config
-
-# 🟢 Sử dụng đúng model `zoedepth_nk`
+# 🟢 Tải mô hình MobileNetDepth (MobileNet v3 Large)
 device = torch.device("cuda" if torch.cuda.is_available() else "cpu")
-# Load ZoeDepth Tiny model correctly
-config = get_config("zoedepth", version="tiny", pretrained_resource=None)
-model = ZoeDepth.build_from_config(config)
+model = torchvision.models.mobilenet_v3_large(pretrained=True).to(device)
 model.eval()
 
 @app.post("/analyze_path/")
@@ -37,29 +21,23 @@ async def analyze_path(file: UploadFile = File(...)):
     image_bytes = await file.read()
     image = Image.open(io.BytesIO(image_bytes)).convert("RGB")
     
-    # 🟢 Lật ảnh trước khi tính toán Depth Map
-    image_np = np.array(image)
-    flipped_image = cv2.flip(image_np, -1)
-
-    # 🟢 Chuyển đổi ảnh thành tensor phù hợp với ZoeDepth
+    # 🟢 Chuyển đổi ảnh thành tensor phù hợp với MobileNetDepth
     transform = torchvision.transforms.Compose([
-        torchvision.transforms.Resize((256, 256)),  # ZoeDepth cần resize ảnh nhỏ hơn
+        torchvision.transforms.Resize((224, 224)),  # MobileNetDepth yêu cầu ảnh 224x224
         torchvision.transforms.ToTensor(),
     ])
-    img_tensor = transform(flipped_image).unsqueeze(0).to(device)
+    img_tensor = transform(image).unsqueeze(0).to(device)
 
     # 🟢 Bắt đầu đo thời gian dự đoán Depth Map
     start_time = time.time()
     
-    # 🟢 Dự đoán Depth Map với ZoeDepth
+    # 🟢 Dự đoán Depth Map với MobileNetDepth
     with torch.no_grad():
-        depth_map = model.infer(img_tensor)
-        depth_map = torch.nn.functional.interpolate(
-            depth_map.unsqueeze(1), size=(image_np.shape[0], image_np.shape[1]), mode="bicubic", align_corners=False
-        ).squeeze().cpu().numpy()
+        depth_map = model(img_tensor)
+        depth_map = depth_map.squeeze().cpu().numpy()
 
     end_time = time.time()
-    print(f"⏳ ZoeDepth xử lý trong {end_time - start_time:.4f} giây")
+    print(f"⏳ MobileNetDepth xử lý trong {end_time - start_time:.4f} giây")
 
     # 🟢 Đo thời gian xử lý đường đi
     start_detect_time = time.time()