博客
关于我
强烈建议你试试无所不能的chatGPT,快点击我
Background-Matting背景替换模型
阅读量:2145 次
发布时间:2019-04-30

本文共 853 字,大约阅读时间需要 2 分钟。

1 写在前面

因为要做Background-MattingV2的推理,所以想着先了解一下Background-Matting是什么,在看了论文之后,就开始跑模型啦。我主要就做了把视频切成图片,图片合成视频。

import cv2vc = cv2.VideoCapture('a.avi') #读入视频文件c=0rval=vc.isOpened()#timeF = 1  #视频帧计数间隔频率while rval:   #循环读取视频帧    c = c + 1    rval, frame = vc.read()#    if(c%timeF == 0): #每隔timeF帧进行存储操作#        cv2.imwrite('smallVideo/smallVideo'+str(c) + '.jpg', frame) #存储为图像    if rval:	    #img为当前目录下新建的文件夹        cv2.imwrite('img/'+str(c) + '.png', frame) #存储为图像        cv2.waitKey(1)    else:        breakvc.release()
import cv2import globfps = 60   #保存视频的FPS,可以适当调整fourcc = cv2.VideoWriter_fourcc(*'MJPG')#saveVideo.avi是要生成的视频名称,(384,288)是图片尺寸videoWriter = cv2.VideoWriter('Video.avi',fourcc,fps,(1920,1080))#imge存放图片imgs=glob.glob('output/*_matte.png')for imgname in imgs:    frame = cv2.imread(imgname)    videoWriter.write(frame)videoWriter.release()

转载地址:http://hgegf.baihongyu.com/

你可能感兴趣的文章
TensorFlow-11-策略网络
查看>>
浅谈 GBDT
查看>>
如何选择优化器 optimizer
查看>>
一文了解强化学习
查看>>
CART 分类与回归树
查看>>
seq2seq 的 keras 实现
查看>>
seq2seq 入门
查看>>
什么是 Dropout
查看>>
用 LSTM 做时间序列预测的一个小例子
查看>>
用 LSTM 来做一个分类小问题
查看>>
详解 LSTM
查看>>
按时间轴简述九大卷积神经网络
查看>>
详解循环神经网络(Recurrent Neural Network)
查看>>
为什么要用交叉验证
查看>>
用学习曲线 learning curve 来判别过拟合问题
查看>>
用验证曲线 validation curve 选择超参数
查看>>
用 Grid Search 对 SVM 进行调参
查看>>
用 Pipeline 将训练集参数重复应用到测试集
查看>>
PCA 的数学原理和可视化效果
查看>>
机器学习中常用评估指标汇总
查看>>