人脸识别 pytorch_基于Pytorch的开源电影分析工具箱

本文介绍了基于Pytorch的开源电影分析工具箱——Movienet,该工具箱包含大量电影、预告片和元信息,提供视频处理、语义特征提取等功能。它支持演员、场景标注,能进行检测识别、场景分割和电影类型预测等任务。通过安装必要的库和预训练模型,可以使用工具包进行电影爬虫、shot检测、人脸识别等多种操作。
摘要由CSDN通过智能技术生成

【导读】在全国电影院复工的第一个周末~ 本文将带来一个基于Pytorch的开源电影分析工具箱,才开基本视频处理、语义特征提取、电影信息爬虫等。

项目网站:

http://movienet.site/

Movienet 包含1.1k 电影,60k预告与375k的meta信息,拥有丰富的对演员、场景的标注,并提供了检测识别、场景分割、电影类型预测等不同类型的任务。

安装

  1. 安装需要用到的库

    pip install -r requirements.txt
  2. 安装pytorch

    conda install pytorch torchvision cudatoolkit=10.2 -c pytorch
  3. build movienet-tools

    python setup.py develop
  4. 下载预训练的模型权重

    python scripts/download_models.py
  5. 运行demo来确认是否成功安装

    python demos/face_demo.py

使用

工具包包括电影爬虫、shot检测器、人脸识别与特征提取、人物识别与特征提取、地点特征提取、动作特征提取、语音特征提取等。

下面以shot检测器为例说明工具包的用法。

shot检测器

为了初始化shot检测器,需要输入源视频输入与输出路径。下面是使用的例子。

from movienet.tools import ShotDetector# build shot detectors# if desire to specify detected duration,# set being/edn_frame/time, otherwise just leave it blanksdt = ShotDetector(    print_list=True,  # print results on command line    save_keyf_txt=True,  # save key frame text list    save_keyf=False,  # save key frame image    split_video=False,  # save split video    begin_frame=0,    end_frame=2000)# specify source video path and output pathvideo_path = osp.join('tests', 'data/test1.mp4')out_dir = osp.join('tests', 'data')# detect shot and save resultssdt.shotdetect(video_path, out_dir)
专 · 知 专知,专业可信的人工智能知识分发,让认知协作更快更好!欢迎注册登录专知www.zhuanzhi.ai,获取5000+AI主题干货知识资料! 7e7df71fb6bdc2d7e2dad28de0a2b788.png 欢迎微信扫一扫加入专知人工智能知识星球群,获取最新AI专业干货知识教程视频资料和与专家交流咨询6dde37e0e47e531e5971cd2e4e434ba7.png 点击“阅读原文”,了解使用专知,查看5000+AI主题知识资料
  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
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
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