TODO:videoio的工作原理,注册表,优先级
Video4Linux的
WITH_V4L
(Linux;默认值:ON )
使用 Video4Linux API 从相机捕获图像。必须安装 Linux 内核头文件。
FFmpeg的
WITH_FFMPEG
(默认值:ON)
与 FFmpeg 库集成,用于解码和编码视频文件和网络流。该库可以读取和写入许多流行的视频格式。它由几个组件组成,这些组件必须作为构建的先决条件进行安装:
- AVCODEC解码器
- AVVonfig
- 阿武蒂尔
- 斯瓦斯卡
- avresample(可选)
例外情况是 Windows 平台,其中包含 FFmpeg 的预构建插件库将在配置阶段下载并复制到包含所有生成库的文件夹中。bin
-
注意
可以使用 Libav 库代替 FFmpeg,但这种组合不受积极支持。
GStreamer(GS特雷默)
WITH_GSTREAMER
(默认值:ON)
实现与 GStreamer 库的集成,用于解码和编码视频文件,从摄像机和网络流中捕获帧。可以安装许多插件来扩展支持的格式列表。OpenCV 允许运行任意 GStreamer 管道,这些管道作为字符串传递给 cv::VideoCapture 和 cv::VideoWriter 对象。
各种 GStreamer 插件在不同平台上提供硬件加速的视频处理。
Microsoft 媒体基金会
WITH_MSMF
(Windows;默认值:ON)
启用使用 Windows 内置媒体基础框架的 MSMF 后端。可用于从相机捕获帧,解码和编码视频文件。此后端具有硬件加速处理支持(选项,默认为 ON)。WITH_MSMF_DXVA
-
注意
旧版本的 Windows(10 之前的版本)可能具有不兼容的 Media Foundation 版本,并且已知从 OpenCV 使用时会出现问题。
DirectShow(直接显示)
WITH_DSHOW
(Windows;默认值:ON)
此后端使用较旧的DirectShow框架。它只能用于从相机捕获帧。它现在已被弃用,取而代之的是 MSMF 后端,尽管两者都可以在同一版本中启用。
AV发布
WITH_AVFOUNDATION
(Apple;默认值:ON)
AVFoundation 框架是 Apple 平台的一部分,可用于从相机捕获帧、编码和解码视频文件。
其他后端
有多个不太流行的框架可用于读取和写入视频。每个都需要安装相应的库或 SDK。
选择 | 违约 | 描述 |
---|---|---|
WITH_1394 |
上 | 使用 DC1394 库的 IIDC IEEE1394支持 |
WITH_OPENNI |
关闭 | OpenNI 可用于 从 深度 感应 相机 采集 数据。荒废的。 |
WITH_OPENNI2 |
关闭 | OpenNI2 可用于从深度感应相机捕获数据。 |
WITH_PVAPI |
关闭 | PVAPI 是用于 Prosilica GigE 相机的旧版 SDK。荒废的。 |
WITH_ARAVIS |
关闭 | Aravis 库用于使用 Genicam 相机进行视频采集。 |
WITH_XIMEA |
关闭 | XIMEA 相机支持。 |
WITH_XINE |
关闭 | XINE 库支持。 |
WITH_LIBREALSENSE |
关闭 | RealSense 摄像头支持。 |
WITH_MFX |
关闭 | MediaSDK 库可用于原始视频流的硬件加速解码和编码。 |
WITH_GPHOTO2 |
关闭 | GPhoto 库可用于从相机获取帧。 |
WITH_ANDROID_MEDIANDK |
上 | MediaNDK 库自 API 级别 21 起在 Android 上可用。 |
VideoIO插件
从 4.1.0 版本开始,一些 videoio 后端可以构建为插件,从而打破了对第三方库的严格依赖,并在运行时使它们成为可选的。可以使用以下选项来控制此机制:
选择 | 违约 | 描述 |
---|---|---|
VIDEOIO_ENABLE_PLUGINS |
上 | 完全启用或禁用插件。 |
VIDEOIO_PLUGIN_LIST |
空 | 以逗号或分号分隔的要编译为插件的后端名称列表。支持的名称包括 ffmpeg、gstreamer、msmf、mfx 和 all。 |
查看 OpenCV 安装概述,了解独立插件构建说明。
并行处理
一些 OpenCV 算法可以使用多线程来加速处理。OpenCV 可以使用线程后端之一进行构建。
后端 | 选择 | 违约 | 平台 | 描述 |
---|---|---|---|---|
线程 | WITH_PTHREADS_PF |
上 | 类 Unix | 基于 pthreads 库的默认后端可在 Linux、Android 和其他类 Unix 平台上使用。线程池是在OpenCV中实现的,可以通过环境变量进行控制。有关详细信息,请查看 modules/core/src/parallel_impl.cpp 文件中的源代码。OPENCV_THREAD_POOL_*
|
并发 | 不适用 | 上 | 窗户 | 并发运行时在 Windows 上可用,除非启用了其他后端,否则将在支持的平台上打开。 |
最大公约数 | 不适用 | 上 | 苹果 | Grand Central Dispatch 可在 Apple 平台上使用,除非启用其他后端,否则将自动打开。使用全局系统线程池。 |
待定 | WITH_TBB |
关闭 | 倍数 | 线程构建块是一个用于并行编程的跨平台库。 |
OpenMP | WITH_OPENMP |
关闭 | 倍数 | OpenMPAPI 依赖于编译器支持。 |
HPX型 | WITH_HPX |
关闭 | 倍数 | 高性能 ParallelX 是一个实验性的后端,更适合多处理器环境。 |
-
注意
OpenCV 可以从 GitHub 下载和构建 TBB 库,此功能可以通过选项启用。
BUILD_TBB
线程插件
从 4.5.2 版本开始,OpenCV 支持动态加载的线程后端。目前只支持单独的编译过程:首先,您必须使用一些默认的并行后端(例如 pthreads)构建 OpenCV,然后构建每个插件并将生成的二进制文件复制到 lib 或 bin 文件夹中。
选择 | 违约 | 描述 |
---|---|---|
PARALLEL_ENABLE_PLUGINS | 上 | 启用插件支持,如果禁用此选项,OpenCV 将不会尝试加载任何内容 |
查看 OpenCV 安装概述,了解独立插件构建说明。
GUI 后端(highgui 模块)
OpenCV 依赖于各种 GUI 库进行窗口绘制。
选择 | 违约 | 平台 | 描述 |
---|---|---|---|
WITH_GTK |
上 | Linux操作系统 |
GTK 是 Linux 和类 Unix 操作系统中的常用工具包。默认情况下,如果找到,将使用版本 3,可以使用该选项强制使用版本 2。WITH_GTK_2_X
|
WITH_WIN32UI |
上 | 窗户 | WinAPI 是 Windows 中的标准 GUI API。 |
不适用 | 上 | macOS操作系统 | Cocoa 是 macOS 中使用的框架。 |
WITH_QT |
关闭 | 跨平台 | Qt是一个跨平台的GUI框架。 |
-
注意
使用 Qt 支持编译的 OpenCV 启用了高级 highgui 界面,有关详细信息,请参见 Qt New Functions。
OpenGL的
WITH_OPENGL
(默认:OFF)
OpenGL 集成可用于绘制具有以下后端的硬件加速窗口:GTK、WIN32 和 Qt。并启用与 OpenGL 的基本互操作性,有关详细信息,请参阅 OpenGL 互操作性和 OpenGL 支持。
HighGUI 插件
从 OpenCV 4.5.3 开始,GTK 后端可以构建为动态加载的插件。可以使用以下选项来控制此机制:
选择 | 违约 | 描述 |
---|---|---|
HIGHGUI_ENABLE_PLUGINS |
上 | 完全启用或禁用插件。 |
HIGHGUI_PLUGIN_LIST |
空 | 以逗号或分号分隔的要编译为插件的后端名称列表。支持的名称包括 gtk、gtk2、gtk3 和 all。 |
查看 OpenCV 安装概述,了解独立插件构建说明。
深度学习神经网络推理后端和选项(dnn 模块)
OpenCV 有自己的 DNN 推理模块,该模块具有自己的内置引擎,但也可以使用其他库来优化处理。可以在单个构建中启用多个后端。选择在运行时自动或手动进行。
选择 | 违约 | 描述 |
---|---|---|
WITH_PROTOBUF |
上 | 启用 protobuf 库搜索。OpenCV 可以构建自己的库副本,也可以使用外部库。dnn 模块需要此依赖项,如果找不到模块,则禁用该模块。 |
BUILD_PROTOBUF |
上 | 构建自己的 protobuf 副本。如果要使用外部库,则必须禁用。 |
PROTOBUF_UPDATE_FILES |
关闭 | 重新生成所有 .proto 文件。必须安装与使用的 Protobuf 版本兼容的 Protoc 编译器。 |
OPENCV_DNN_OPENCL |
上 | 启用内置 OpenCL 推理后端。 |
WITH_INF_ENGINE |
关闭 | 自 OpenVINO 2022.1 起已弃用启用英特尔推理引擎 (IE) 后端。允许以IE格式(.xml + .bin)执行网络。推理引擎必须作为 OpenVINO 工具套件的一部分安装,也可以作为从源代码构建的独立库安装。 |
INF_ENGINE_RELEASE |
2020040000 | 自 OpenVINO 2022.1 起已弃用定义与 OpenVINO 工具套件版本绑定的推理引擎库版本。必须是 10 位字符串,例如 OpenVINO 2020.4 的 2020040000。 |
WITH_NGRAPH |
关闭 | 自 OpenVINO 2022.1 起已弃用启用英特尔 NGraph 库支持。该库是推理引擎后端的一部分,它允许执行从 OpenCV 支持的多种格式的文件中读取的任意网络:Caffe、TensorFlow、PyTorch、Darknet 等。必须安装 NGraph 库,它包含在推理引擎中。 |
WITH_OPENVINO |
关闭 | 启用英特尔 OpenVINO 工具套件支持。应用于 OpenVINO>=2022.1 而不是 和 。WITH_INF_ENGINE``WITH_NGRAPH
|
OPENCV_DNN_CUDA |
关闭 | 启用 CUDA 后端。必须安装 CUDA、CUBLAS 和 CUDNN。 |
WITH_HALIDE |
关闭 | 使用实验性的 Halide 后端,它可以在运行时为 dnn 层生成优化的代码。必须安装卤化物。 |
WITH_VULKAN |
关闭 | 启用实验性 Vulkan 后端。不需要额外的依赖项,但可以使用外部 Vulkan 标头 ()。VULKAN_INCLUDE_DIRS
|
如何学习大模型 AI ?
由于新岗位的生产效率,要优于被取代岗位的生产效率,所以实际上整个社会的生产效率是提升的。
但是具体到个人,只能说是:
“最先掌握AI的人,将会比较晚掌握AI的人有竞争优势”。
这句话,放在计算机、互联网、移动互联网的开局时期,都是一样的道理。
我在一线互联网企业工作十余年里,指导过不少同行后辈。帮助很多人得到了学习和成长。
我意识到有很多经验和知识值得分享给大家,也可以通过我们的能力和经验解答大家在人工智能学习中的很多困惑,所以在工作繁忙的情况下还是坚持各种整理和分享。但苦于知识传播途径有限,很多互联网行业朋友无法获得正确的资料得到学习提升,故此将并将重要的AI大模型资料包括AI大模型入门学习思维导图、精品AI大模型学习书籍手册、视频教程、实战学习等录播视频免费分享出来。
😝有需要的小伙伴,可以点击下方链接免费领取或者V扫描下方二维码免费领取🆓
第一阶段(10天):初阶应用
该阶段让大家对大模型 AI有一个最前沿的认识,对大模型 AI 的理解超过 95% 的人,可以在相关讨论时发表高级、不跟风、又接地气的见解,别人只会和 AI 聊天,而你能调教 AI,并能用代码将大模型和业务衔接。
- 大模型 AI 能干什么?
- 大模型是怎样获得「智能」的?
- 用好 AI 的核心心法
- 大模型应用业务架构
- 大模型应用技术架构
- 代码示例:向 GPT-3.5 灌入新知识
- 提示工程的意义和核心思想
- Prompt 典型构成
- 指令调优方法论
- 思维链和思维树
- Prompt 攻击和防范
- …
第二阶段(30天):高阶应用
该阶段我们正式进入大模型 AI 进阶实战学习,学会构造私有知识库,扩展 AI 的能力。快速开发一个完整的基于 agent 对话机器人。掌握功能最强的大模型开发框架,抓住最新的技术进展,适合 Python 和 JavaScript 程序员。
- 为什么要做 RAG
- 搭建一个简单的 ChatPDF
- 检索的基础概念
- 什么是向量表示(Embeddings)
- 向量数据库与向量检索
- 基于向量检索的 RAG
- 搭建 RAG 系统的扩展知识
- 混合检索与 RAG-Fusion 简介
- 向量模型本地部署
- …
第三阶段(30天):模型训练
恭喜你,如果学到这里,你基本可以找到一份大模型 AI相关的工作,自己也能训练 GPT 了!通过微调,训练自己的垂直大模型,能独立训练开源多模态大模型,掌握更多技术方案。
到此为止,大概2个月的时间。你已经成为了一名“AI小子”。那么你还想往下探索吗?
- 为什么要做 RAG
- 什么是模型
- 什么是模型训练
- 求解器 & 损失函数简介
- 小实验2:手写一个简单的神经网络并训练它
- 什么是训练/预训练/微调/轻量化微调
- Transformer结构简介
- 轻量化微调
- 实验数据集的构建
- …
第四阶段(20天):商业闭环
对全球大模型从性能、吞吐量、成本等方面有一定的认知,可以在云端和本地等多种环境下部署大模型,找到适合自己的项目/创业方向,做一名被 AI 武装的产品经理。
- 硬件选型
- 带你了解全球大模型
- 使用国产大模型服务
- 搭建 OpenAI 代理
- 热身:基于阿里云 PAI 部署 Stable Diffusion
- 在本地计算机运行大模型
- 大模型的私有化部署
- 基于 vLLM 部署大模型
- 案例:如何优雅地在阿里云私有部署开源大模型
- 部署一套开源 LLM 项目
- 内容安全
- 互联网信息服务算法备案
- …
学习是一个过程,只要学习就会有挑战。天道酬勤,你越努力,就会成为越优秀的自己。
如果你能在15天内完成所有的任务,那你堪称天才。然而,如果你能完成 60-70% 的内容,你就已经开始具备成为一名大模型 AI 的正确特征了。文章来源:https://www.toymoban.com/news/detail-856368.html
这份完整版的大模型 AI 学习资料已经上传CSDN,朋友们如果需要可以微信扫描下方CSDN官方认证二维码免费领取【保证100%免费
】
😝有需要的小伙伴,可以点击下方链接免费领取或者V扫描下方二维码免费领取🆓
文章来源地址https://www.toymoban.com/news/detail-856368.html
到了这里,关于OpenCV视频读写(videoio模块)的文章就介绍完了。如果您还想了解更多内容,请在右上角搜索TOY模板网以前的文章或继续浏览下面的相关文章,希望大家以后多多支持TOY模板网!