PC mediapipe 支持硬件加速

最新推荐文章于 2024-04-06 21:14:14 发布
VIP文章 最新推荐文章于 2024-04-06 21:14:14 发布
阅读量2.5k 收藏 1
点赞数 2
分类专栏： 视频会议 机器学习 文章标签： 计算机视觉 深度学习 tensorflow 图像处理 视觉检测
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/u014228934/article/details/125412634
版权

这里写自定义目录标题

PC 端 mediapipe GPU 硬件加速

mediapipe 目前官方仅仅是 iOS 和 Android 支持硬件加速，支持 opengl es 3.0 的 linux 也支持硬件加速；但是最最重要的 macOS 和 Windows 尽然不支持，都不知道他们是咋想的，那我来支持一下吧。通过测试 CPU 能大幅下降，macOS 的 CPU 消耗从单核 110% -> 19% （M1 Pro 16G）， 107% -> 13% （ intel i7 16G）

准备工作

  1. Windows 需要编译 google 的 libangle，主要是为了使用 opengles 3.0，google 单独用 d3d 实现了一套 opengles 的兼容版本；
  2. macOS 编译方式和 iOS 相同，不过需要调整一下 mediapipe 的 BUILD 相关配置，主要是 cpu 的 config 相关

编译配置

Demo 测试

jfdream
关注
  • 2
    点赞
  • 踩
  • 1
    收藏
    觉得还不错? 一键收藏
  • 5
    评论
专栏目录
google mediapipe objecttrackinggpu.apk
03-17
google mediapipe objecttrackinggpu.apk
MediaPipe学习笔记（一）开发环境搭建（win10+vs2019）
aggs1990的专栏
03-20 1053
因工作需要，再次编译MediaPipe库，上次只是走了下流程，没有任何记录，本次编译时，发现不少问题，所以记录下，供有需要的小伙伴使用。
ActiveX获取PC硬件信息,IE浏览器
02-06
ActiveX获取PC硬件信息,IE浏览器 获取，1本地文件，2系统配置，3硬盘序列号，系统版本位数，添加授信站点 创建文件，计算机用户名，MAC地址，浏览器版本。
pchunter支持win10
02-21
pchunter支持win10
pc硬件手册
01-07
pc硬件手册 英文版 The Indispensable PC Hardware Book - Third Edition
零基础入门Jetson Nano——MediaPipe双版本（CPU+GPU）的安装与使用
热门推荐
qq_56548850的博客
04-06 1万+
本文详细介绍了如何在Jetson Nano上实现MediaPipe（CPU+GPU)
【姿态估计】MediaPipe部分solution(手势，人体姿态，面部动作)的用法
qq_43018832的博客
11-24 6269
MediaPipe是个基于图形的跨平台框架，用于构建多模式应用的机器学习管道。MediaPipe可在移动设备，工作站和服务器上跨平台运行，并支持移动GPU加速。使用MediaPipe，可以将应用的机器学习管道构建为模块化组件的图形。MediaPipe专为机器学习从业者而设计包括研究人员，学生，和软件开发人员，他们实施生产就绪的ML应用程序，发布伴随研究工作的代码，以及构建技术原型。MediaPipe的主要用例上使用推理模型和其他可重用组件对应用机器学习管道进行快速原型设计。
探索MediaPipe检测人脸关键点
徐福记456
06-26 5046
MediaPipe是Google开源的计算机视觉处理框架，基于TensorFlow来训练模型，支持人脸识别、人脸关键点、目标检测追踪、图像分类、人像分割、手势识别、文本分类、语音分类等。我们可以使用CPU来推理，也可以选择GPU加速推理。在滤镜特效场景，经常需要用到人脸关键点。
MediaPipe框架- GPU
aggs1990的专栏
04-04 59
MediaPipe支持用于GPU计算和渲染的计算器节点，并允许组合多个GPU节点，以及将它们与基于CPU的计算器节点混合。移动平台上有几种GPU API（例如OpenGL ES、Metal和Vulkan）。MediaPipe并不试图提供单一的交叉API GPU抽象。可以使用不同的API编写单个节点，使它们能够在需要时利用特定于平台的功能。GPU支持对于移动平台上的良好性能至关重要，尤其是对于实时视频。以下是MediaPipe中GPU支持的设计原则。
常用的python gpu加速方法
花生日记
05-10 4992
例如，如果我们需要对大量的数据进行分析和计算，并且需要对模型进行优化和训练，那么我们可以使用 Python提供的一些模块来加速这一过程： 在上面的代码中，我们使用了 Python内置的一个函数来对大量的数据进行分析和计算。但是，如果我们使用 gpu提供的其他功能，例如聚类、降维等，则可以避免这些问题。例如，在 Python中，我们可以使用以下语句来实现对数据的插入操作： 对于模型训练，我们可以使用以下语句来进行模型的训练和优化： 当然，在实际的开发中，我们还可以使用其他的内置函数来进行数据处理。
MediaPipe_handtracking_gpu_Demo_v0.8.2.zip
01-27
基于MediaPipe的v0.8.2的代码的gpu手跟踪Demo。 引用了我自己编译打包的aar。aar为9.3M,包含arm64和v7a的so 注意：我在索尼手机上测试，发现启动会黑屏，但点击home键后返回就好了。
pc完全硬件手册
04-05
pc完全硬件手册.rar 介绍了关于pc完全硬件手册的详细说明，提供其它知识的技术资料的下载。
PC硬件工程师手册.rar
10-07
PC硬件工程师手册
MediaPipe框架- GPU支持
最新发布
aggs1990的专栏
04-06 157
MediaPipe在Android/Linux上支持OpenGL ES 3.2版本，在iOS上支持ES 3.0版本。此外，MediaPipe还在iOS上支持Metal。运行机器学习推理计算器和图需要OpenGL ES 3.1或更高版本（在Android/Linux系统上）。
Mediapipe框架在Android上的使用
夜雨飘零
07-08 1万+
MediaPipe是用于构建跨平台多模态应用ML管道的框架，其包括快速ML推理，经典计算机视觉和媒体内容处理（如视频解码）。下面是用于对象检测与追踪的MediaPipe示例图，它由4个计算节点组成：PacketResampler计算器；先前发布的ObjectDetection子图；围绕上述BoxTrakcing子图的ObjectTracking子图；以及绘制可视化效果的Renderer子图。
Linux学习笔记（十三）madiepipe开发
万法自然的博客
03-11 3166
文章目录1、简介2、源码编译2.1、安装bazel2.2、安装mediapipe2.3、使用GPU2.3.1、安装OpenGL ES2.3.2、配置TensorFlow的CUDA支持3、MediaPipe Hands4、MediaPipe Pose5、dlib mediapipe github：https://github.com/google/mediapipe mediapipe 官网：https://google.github.io/mediapipe/ dlib 官网：http://dlib.net
技术笔记Android应用MediaPipe（一）：Windows安装MediaPipe
userhu2012的博客
11-17 5000
MediaPipe提供跨平台，为实时流媒体提供自定义的机器学习解决方案的应用框架。
【mediapipe嵌入式实战01】Linux环境的mediapipe编译（快跑）
Jiangnan_Cai的博客
09-22 717
最近想要将 mediapipe 中 facemesh 这个功能移植到硬件上，所以第一步是要编译一下 mediapipe，因为 mediapipe 是谷歌出的，自然也是要用 google 的 bazel 编译器进行编译。只是第一次接触，踩的坑有点多，花了将近 3 天的时间才成功地编译。首先说一下我的系统的是 centos 8，gcc 版本是 8.5，opencv 的版本是 4.1.2。
mediapipe gpu
05-04
MediaPipe是一个跨平台、开源的框架，用于构建基于机器学习的应用程序，如手势识别、姿势估计和面部检测等。MediaPipe支持使用GPU进行加速处理，以提高性能和实时性。 要在MediaPipe中使用GPU加速，需要满足以下要求： 1. 安装具有GPU支持的TensorFlow版本。 2. 安装支持GPU的OpenCV版本。 3. 在MediaPipe的图形计算流程（Graph）中，使用GPU支持的节点（Node）。 其中，使用支持GPU的节点是最重要的一步。在MediaPipe中，GPU支持的节点以GPU为后缀，并且需要在图形计算流程中明确指定。例如，可以使用以下节点来加速图像处理： ``` node { calculator: "GpuCannyEdgeDetector" input_stream: "IMAGE:input_image" output_stream: "IMAGE:output_image" } ``` 在这个节点中，GpuCannyEdgeDetector是一个支持GPU加速的Canny边缘检测器，它会将输入图像input_image进行边缘检测，并将结果输出到output_image中。通过使用这样的GPU支持节点，可以显著提高MediaPipe应用程序的性能和实时性。

“相关推荐”对你有帮助么？

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论 5
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值