项目实训
文章平均质量分 68
weixin_46639190
这个作者很懒,什么都没留下…
展开
-
[项目实训]——问题合集
项目实训原创 2022-06-05 01:31:03 · 493 阅读 · 0 评论 -
[项目实训]——后续代码部分优化
项目实训原创 2022-06-05 00:59:10 · 174 阅读 · 0 评论 -
[项目实训]——配置相关
进行项目学习使用的相关工具简介:anconda,pycharm,xshell,xftp介绍使用anconda优点是屏蔽了系统平台的差异,解决底层依赖。安装一个包之后依赖的东西全部能处理好。同时是虚拟环境,环境之间隔离,可以设定不同的python版本以及各种包,不会和系统的冲突,可以随便切换,服务器上防止影响他人。pycharm可以远程连接服务器,本地也可以直接对代码进行删改操作,简单方便。xshell简单说就是远程连接服务器,但是是命令行的操作界面。xftp也是远程连接服务器,但它是文件资源管理器原创 2022-04-17 18:37:13 · 119 阅读 · 0 评论 -
[项目实训]——提取gif片段
思路: 结合原文件、场景的帧位置和存储是否是关键帧的数组,来生成gif首先得到帧位置的代码datasetF = h5py.File('csv/changan12NewALL.h5', 'r')#这里的h5文件是之前自己生成的h5文件dataFeature=datasetF['video_1']['features'][...]#之后就用dataFeature得到场景的帧位置之前确认是否是关键帧的数据储存在machine_summary中,这里也会利用h5文件再把这个数据提取出来,将关键帧单独原创 2022-04-17 17:47:55 · 176 阅读 · 0 评论 -
[项目实训]特征提取
简介:使用googenet网络提取A的特征得到A.h5和之前所提到的create_data差不多,但是有所优化之前提到create_data,这个代码中引用util里的Generate_Dataset,作用是:将视频转换为帧,特征提取,获得转换点,用户总结(用于评估)优化部分: self.google=googlenet(pretrained=True) self.google.float() self.google.cuda() self.goog原创 2022-04-17 16:59:17 · 1306 阅读 · 0 评论 -
[项目实训]——Video-Summarization-Pytorch(2)
详细了解算法运算过程环境配置python=3.xPytorchGPUtabulate文件结构项目地址https://github.com/TorRient/Video-Summarization-Pytorch可通过git clone项目create_data首先第一步是准备数据集,即将视频片段放入dataset中,并启动create_data方法,其中的关键代码是 gen = Generate_Dataset(args.input, args.output)原创 2022-04-17 15:41:42 · 1518 阅读 · 0 评论 -
[项目实训]——Video-Summarization-Pytorch
简介:针对无监督视频摘要的深度强化学习,具有多样性代表性奖励再简介:经过分析,是对视频片段进行特征提取,并以此训练一个模型,然后对视频进行摘要分割,而其中过程中的有一个能存储关键帧的数组,则是需要的结果。(项目利用的方法)项目目标以及算法的介绍本项目中旨在的目标是关键帧的提取,并根据提取的关键帧来获取关键视频片段。首先详细介绍Video-Summarization-Pytorch,这是一个视频摘要技术。所谓视频摘要,就是将视频拆解为简短的片段。采取的方法是开发了一个深度摘要网络(DSN)来进行视频摘原创 2022-04-17 14:04:13 · 1362 阅读 · 0 评论