这是一个创建于 1583 天前的主题，其中的信息可能已经有所发展或是发生改变。
对视频中的每一帧图片用深度神经网络进行处理, 然后对处理好的每一帧合成为新的视频
现在的解法: 将图片加载到 GPU 显存, 然后用神经网络在 GPU 上进行处理, 对得到的处理结果, 移到内存, 用 CPU 进行后处理, 然后使用 opencv VideoWriter 指定 mp4v 编码写视频。
遇到的问题: 用 opencv videoWriter 合并图片生成视频这步很慢, 且会消耗大量 cpu .
有没有什么方法可以优化和加速这个流程:?
现在的解法: 将图片加载到 GPU 显存, 然后用神经网络在 GPU 上进行处理, 对得到的处理结果, 移到内存, 用 CPU 进行后处理, 然后使用 opencv VideoWriter 指定 mp4v 编码写视频。
遇到的问题: 用 opencv videoWriter 合并图片生成视频这步很慢, 且会消耗大量 cpu .
有没有什么方法可以优化和加速这个流程:?
 |
1
ohao 2020-08-23 08:49:40 +08:00 via iPhone
不知道你是什么平台和硬件
使用 intel 的 e-2288 处理器，使用编译 igpu，搭配 nvme 存储 可以快不少 使用处理器的 gpu 处理，cpu 占用资源很低 你先使用 time，确认瓶颈在哪，然后折中针对性处理 可以先 opencv vw 写内存在 gpu encoder 在写盘 |
 |
3
fgodt 2020-08-23 08:58:25 +08:00
路子错了 既然得到的结果在 gpu 根本不应该再回到 cpu，如果你用的 gpu 是 nVidia 的那么你可以直接用 nvenc 处理成 x264 这样就很快了
|
 |
4
icylogic 2020-08-23 10:00:58 +08:00 via iPhone
你一定要回 cpu 吗，如果都是 opencv 的 api，可以看看 cv::cuda 能不能替代。或者编码用 avcodec 直接搞，有优化余地
|
 |
5
mcone 2020-08-23 15:38:50 +08:00
既然都已经在显存里面了，就别再回到 CPU 了，用一个支持 GPU 的库直接合完直接写入存储或者取回到内存应该会快很多了。
另外同一楼，建议看看时间瓶颈在哪里，近两三年的 opencv 好像默认是支持 GPU 加速的，我怀疑是有硬盘 IO 了……如果确实是 IO 费时多，上 SSD 或 ramdisk 之类的会好很多 |
Select Language