Recherche avancée

Médias (0)

Mot : - Tags -/gis

Aucun média correspondant à vos critères n’est disponible sur le site.

Autres articles (13)

  • Encoding and processing into web-friendly formats

    13 avril 2011, par

    MediaSPIP automatically converts uploaded files to internet-compatible formats.
    Video files are encoded in MP4, Ogv and WebM (supported by HTML5) and MP4 (supported by Flash).
    Audio files are encoded in MP3 and Ogg (supported by HTML5) and MP3 (supported by Flash).
    Where possible, text is analyzed in order to retrieve the data needed for search engine detection, and then exported as a series of image files.
    All uploaded files are stored online in their original format, so you can (...)

  • Déploiements possibles

    31 janvier 2010, par

    Deux types de déploiements sont envisageable dépendant de deux aspects : La méthode d’installation envisagée (en standalone ou en ferme) ; Le nombre d’encodages journaliers et la fréquentation envisagés ;
    L’encodage de vidéos est un processus lourd consommant énormément de ressources système (CPU et RAM), il est nécessaire de prendre tout cela en considération. Ce système n’est donc possible que sur un ou plusieurs serveurs dédiés.
    Version mono serveur
    La version mono serveur consiste à n’utiliser qu’une (...)

  • Configuration spécifique pour PHP5

    4 février 2011, par

    PHP5 est obligatoire, vous pouvez l’installer en suivant ce tutoriel spécifique.
    Il est recommandé dans un premier temps de désactiver le safe_mode, cependant, s’il est correctement configuré et que les binaires nécessaires sont accessibles, MediaSPIP devrait fonctionner correctement avec le safe_mode activé.
    Modules spécifiques
    Il est nécessaire d’installer certains modules PHP spécifiques, via le gestionnaire de paquet de votre distribution ou manuellement : php5-mysql pour la connectivité avec la (...)

Sur d’autres sites (2456)

  • dnn_backend_native_layer_mathunary : add cos support

    6 juin 2020, par Ting Fu
    dnn_backend_native_layer_mathunary : add cos support

    It can be tested with the model generated with below python scripy
    

    import tensorflow as tf
    
import numpy as np
    
import imageio
    

    in_img = imageio.imread('input.jpeg')
    
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')
    
x1 = tf.multiply(x, 1.5)
    
x2 = tf.cos(x1)
    
y = tf.identity(x2, 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 : Ting Fu <ting.fu@intel.com>
    
Signed-off-by : Guo Yejun <yejun.guo@intel.com>
    • [DH] libavfilter/dnn/dnn_backend_native_layer_mathunary.c
    • [DH] libavfilter/dnn/dnn_backend_native_layer_mathunary.h
    • [DH] tools/python/convert_from_tensorflow.py
    • [DH] tools/python/convert_header.py

  • RTSP Streaming Server C++

    24 août 2020, par Lakshya

    I would like to write a RTSP streaming server using C++. Multiple clients will be connected to this server for receiving the streamed data.

    &#xA;

    What I understand is that I need to do socket programming in C++ for client server architecture.

    &#xA;

    I know FFMPEG has command line support for streaming audio/video. But my requirement is writing a client server socket model in C++.

    &#xA;

    I had a look at https://www.medialan.de/usecase0001.html

    &#xA;

    I am also looking at this. https://www.youtube.com/watch?v=MEMzo59CPr8

    &#xA;

    but I am not sure if this will help me.

    &#xA;

    For streaming the audio/video data, Do i need to use FFMEPG APIs. If yes, which libraries of FFMPEG i need to use ?.

    &#xA;

  • dnn_backend_native_layer_mathunary : add tan support

    6 juin 2020, par Ting Fu
    dnn_backend_native_layer_mathunary : add tan support

    It can be tested with the model generated with below python scripy
    

    import tensorflow as tf
    
import numpy as np
    
import imageio
    

    in_img = imageio.imread('input.jpeg')
    
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')
    
x1 = tf.multiply(x, 0.78)
    
x2 = tf.tan(x1)
    
y = tf.identity(x2, 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 : Ting Fu <ting.fu@intel.com>
    
Signed-off-by : Guo Yejun <yejun.guo@intel.com>
    • [DH] libavfilter/dnn/dnn_backend_native_layer_mathunary.c
    • [DH] libavfilter/dnn/dnn_backend_native_layer_mathunary.h
    • [DH] tools/python/convert_from_tensorflow.py
    • [DH] tools/python/convert_header.py

Navigation