python人工智能圖像識(shí)別原理？差不多的技術(shù)方向吧：Python動(dòng)態(tài)創(chuàng)建ffmpeg的或opencv讀取數(shù)據(jù)媒體的幀。接著針對(duì)每一幀，的或自己定義關(guān)鍵幀來(lái)再提取特征值(SIFT),用OpenCV來(lái)如

python人工智能圖像識(shí)別原理？

差不多的技術(shù)方向吧：

Python動(dòng)態(tài)創(chuàng)建ffmpeg的或opencv讀取數(shù)據(jù)媒體的幀。

接著針對(duì)每一幀，的或自己定義關(guān)鍵幀來(lái)再提取特征值(SIFT),用OpenCV來(lái)如何處理。這一段曲這個(gè)可以存到數(shù)據(jù)庫(kù)或是其它別的方向。

任何一幀再提取后，換算SIFT去上面的數(shù)據(jù)庫(kù)版本問(wèn)題。

歸納幫一下忙是你要懂OpenCV也就是是有的圖像處理能力，后再應(yīng)該是個(gè)特征自動(dòng)分配也可以圖像檢索系統(tǒng)問(wèn)題。

python用opencv做的人臉識(shí)別占用性能嚴(yán)重，怎么優(yōu)化？

你這個(gè)問(wèn)題具體解釋信息太少，沒(méi)法具體一點(diǎn)問(wèn)，不能說(shuō)說(shuō)大概的思路。

可是Python簡(jiǎn)單易學(xué)，使用方便，但是他的效率卻不是高，因?yàn)橄袷且簿捅容^適合做試驗(yàn)性代碼開(kāi)發(fā)，那樣的話能迅速不驗(yàn)證思路或是算法的正確性。比如說(shuō)你說(shuō)的人臉識(shí)別，論是用深度學(xué)習(xí)，我還是用常規(guī)項(xiàng)算法，首先要怎么設(shè)計(jì)一個(gè)算法并修改密保它能否正常工作，只有一能錯(cuò)誤的檢測(cè)檢測(cè)人臉的算法，才是三個(gè)可行的算法，至于效率是下一步怎么辦系統(tǒng)優(yōu)化的目標(biāo)。

一般情況下圖像處理的計(jì)算量都比較比較大，因此在驗(yàn)證驗(yàn)證了算法的正確性之后，就像會(huì)將Python的代碼移植技術(shù)到效率更高的C/C平臺(tái)，相對(duì)于OpenCV來(lái)說(shuō)就更是如此，因?yàn)镺penCV的開(kāi)發(fā)語(yǔ)言恰恰C。至于怎么在C里面調(diào)用Python模型，可相關(guān)參考本人寫(xiě)的一篇文章，本來(lái)也是圖像處理方面的。

再者，是對(duì)運(yùn)算量相當(dāng)大的任務(wù)，例如深度學(xué)習(xí)，CPU并不一定巳經(jīng)很容易滿足的條件算出要求，這時(shí)候就需要用GPU來(lái)速度。

看你的計(jì)算，另外模型參數(shù)了。如果不是你的模型很大，建議用GPU運(yùn)算。

來(lái)頭條問(wèn)這種就像是沒(méi)什么答案的

也可以動(dòng)態(tài)創(chuàng)建opencv的動(dòng)態(tài)庫(kù)，那樣的話性能高。

但這個(gè)應(yīng)該是硬件性能太差吧。具體詳細(xì)得看下你咋測(cè)試出來(lái)的？這樣才能不可一概而論。

為么用pythonCC不爽嗎

幾個(gè)方案:

1、去確認(rèn)算法效率，人臉識(shí)別能成熟方法很多，到底你是用哪種。

2、360優(yōu)化python代碼，除非是同一個(gè)問(wèn)題，代碼實(shí)現(xiàn)相同，效率也天地之差。

3、如果對(duì)c系列語(yǔ)言熟悉的話，移回c＋＋，opencv非常好移植。

4、確定GPU加速。

5、換庫(kù)，opencv很多算法的實(shí)現(xiàn)效率本身就不行。

6、換機(jī)器.....

加油哈[笑][笑][笑]