概述
OpenCV+CUDA支持下的TV-L1光流计算加速
- 引言
- 依赖环境与安装脚本
- 光流提取
引言
本文主要介绍使用OpenCV的TV-L1算法提取视频的光流。近年来很多SOTA视频动作识别模型都采用RGB-光流的两线架构，能为动作特性的捕捉带来可观的提升。然而在像UCF101这样数以万计的视频数据集上提取光流则需要非常大的计算量。博主试图用纯python脚本，在CPU上8线程提取时，一整晚只能完成不到1%的视频提取。因此，利用GPU进行加速则非常有必要。用conda和pip安装的opencv-python默认是不使用CUDA的，因此需要从C++源代码编译。本文参考mmlab的denseflow代码，介绍安装带有CUDA支持的OpenCV并加速提取光流的方法。
依赖环境与安装脚本
在按照repo中的脚本进行安装前，首先保证机器上已经有CUDA环境mmlab的denseflow给予OpenCV和Boost，repo中提供了shell脚本。
然而博主在运行时发现频频报错，主要原因是将脚本拆开分别执行的原因。建议创建install_cv.sh一次性执行：
# ZZROOT is the root最后
以上就是活泼蜡烛为你收集整理的OpenCV+CUDA支持下的TV-L1光流计算加速引言依赖环境与安装脚本光流提取的全部内容，希望文章能够帮你解决OpenCV+CUDA支持下的TV-L1光流计算加速引言依赖环境与安装脚本光流提取所遇到的程序开发问题。
如果觉得靠谱客网站的内容还不错，欢迎将靠谱客网站推荐给程序员好友。
本图文内容来源于网友提供，作为学习参考使用，或来自网络收集整理，版权属于原作者所有。
发表评论 取消回复