Recherche avancée

Médias (1)

Mot : - Tags -/swfupload

Autres articles (37)

  • Gestion générale des documents

    13 mai 2011, par

    MédiaSPIP ne modifie jamais le document original mis en ligne.
    Pour chaque document mis en ligne il effectue deux opérations successives : la création d’une version supplémentaire qui peut être facilement consultée en ligne tout en laissant l’original téléchargeable dans le cas où le document original ne peut être lu dans un navigateur Internet ; la récupération des métadonnées du document original pour illustrer textuellement le fichier ;
    Les tableaux ci-dessous expliquent ce que peut faire MédiaSPIP (...)

  • Publier sur MédiaSpip

    13 juin 2013

    Puis-je poster des contenus à partir d’une tablette Ipad ?
    Oui, si votre Médiaspip installé est à la version 0.2 ou supérieure. Contacter au besoin l’administrateur de votre MédiaSpip pour le savoir

  • Support audio et vidéo HTML5

    10 avril 2011

    MediaSPIP utilise les balises HTML5 video et audio pour la lecture de documents multimedia en profitant des dernières innovations du W3C supportées par les navigateurs modernes.
    Pour les navigateurs plus anciens, le lecteur flash Flowplayer est utilisé.
    Le lecteur HTML5 utilisé a été spécifiquement créé pour MediaSPIP : il est complètement modifiable graphiquement pour correspondre à un thème choisi.
    Ces technologies permettent de distribuer vidéo et son à la fois sur des ordinateurs conventionnels (...)

Sur d’autres sites (5797)

  • dnn/native : add native support for 'mul'

    11 avril 2020, par Guo, Yejun
    dnn/native : add native support for 'mul'

    it can be tested with model file generated from above python script :
    

    import tensorflow as tf
    
import numpy as np
    
import imageio
    

    in_img = imageio.imread('input.jpg')
    
in_img = in_img.astype(np.float32)/255.0
    
in_data = in_img[np.newaxis, :]
    

    x = tf.placeholder(tf.float32, shape=[1, None, None, 3], name='dnn_in')
    
z1 = 0.5 + 0.3 * x
    
z2 = z1 * 4
    
z3 = z2 - x - 2.0
    
y = tf.identity(z3, name='dnn_out')
    

    sess=tf.Session()
    
sess.run(tf.global_variables_initializer())
    

    graph_def = tf.graph_util.convert_variables_to_constants(sess, sess.graph_def, ['dnn_out'])
    
tf.train.write_graph(graph_def, '.', 'image_process.pb', as_text=False)
    

    print("image_process.pb generated, please use \
    
path_to_ffmpeg/tools/python/convert.py to generate image_process.model\n")
    

    output = sess.run(y, feed_dict=x : in_data)
    
imageio.imsave("out.jpg", np.squeeze(output))
    

    Signed-off-by : Guo, Yejun <yejun.guo@intel.com>
    • [DH] libavfilter/dnn/dnn_backend_native_layer_mathbinary.c
    • [DH] libavfilter/dnn/dnn_backend_native_layer_mathbinary.h
    • [DH] tools/python/convert_from_tensorflow.py
    • [DH] tools/python/convert_header.py

  • dnn/native : add native support for 'add'

    10 avril 2020, par Guo, Yejun
    dnn/native : add native support for 'add'

    It can be tested with the model file generated with below python script :
    

    import tensorflow as tf
    
import numpy as np
    
import imageio
    

    in_img = imageio.imread('input.jpg')
    
in_img = in_img.astype(np.float32)/255.0
    
in_data = in_img[np.newaxis, :]
    

    x = tf.placeholder(tf.float32, shape=[1, None, None, 3], name='dnn_in')
    
z1 = 0.039 + x
    
z2 = x + 0.042
    
z3 = z1 + z2
    
z4 = z3 - 0.381
    
z5 = z4 - x
    
y = tf.math.maximum(z5, 0.0, name='dnn_out')
    

    sess=tf.Session()
    
sess.run(tf.global_variables_initializer())
    

    graph_def = tf.graph_util.convert_variables_to_constants(sess, sess.graph_def, ['dnn_out'])
    
tf.train.write_graph(graph_def, '.', 'image_process.pb', as_text=False)
    

    print("image_process.pb generated, please use \
    
path_to_ffmpeg/tools/python/convert.py to generate image_process.model\n")
    

    output = sess.run(y, feed_dict=x : in_data)
    
imageio.imsave("out.jpg", np.squeeze(output))
    

    Signed-off-by : Guo, Yejun <yejun.guo@intel.com>
    • [DH] libavfilter/dnn/dnn_backend_native_layer_mathbinary.c
    • [DH] libavfilter/dnn/dnn_backend_native_layer_mathbinary.h
    • [DH] tools/python/convert_from_tensorflow.py
    • [DH] tools/python/convert_header.py

  • dnn/native : add native support for divide

    11 avril 2020, par Guo, Yejun
    dnn/native : add native support for divide

    it can be tested with model file generated with below python script :
    
import tensorflow as tf
    
import numpy as np
    
import imageio
    

    in_img = imageio.imread('input.jpg')
    
in_img = in_img.astype(np.float32)/255.0
    
in_data = in_img[np.newaxis, :]
    

    x = tf.placeholder(tf.float32, shape=[1, None, None, 3], name='dnn_in')
    
z1 = 2 / x
    
z2 = 1 / z1
    
z3 = z2 / 0.25 + 0.3
    
z4 = z3 - x * 1.5 - 0.3
    
y = tf.identity(z4, name='dnn_out')
    

    sess=tf.Session()
    
sess.run(tf.global_variables_initializer())
    

    graph_def = tf.graph_util.convert_variables_to_constants(sess, sess.graph_def, ['dnn_out'])
    
tf.train.write_graph(graph_def, '.', 'image_process.pb', as_text=False)
    

    print("image_process.pb generated, please use \
    
path_to_ffmpeg/tools/python/convert.py to generate image_process.model\n")
    

    output = sess.run(y, feed_dict=x : in_data)
    
imageio.imsave("out.jpg", np.squeeze(output))
    

    Signed-off-by : Guo, Yejun <yejun.guo@intel.com>
    • [DH] libavfilter/dnn/dnn_backend_native_layer_mathbinary.c
    • [DH] libavfilter/dnn/dnn_backend_native_layer_mathbinary.h
    • [DH] tools/python/convert_from_tensorflow.py
    • [DH] tools/python/convert_header.py

Navigation