Recherche avancée

Médias (1)

Mot : - Tags -/belgique

Autres articles (46)

  • Multilang : améliorer l’interface pour les blocs multilingues

    18 février 2011, par

    Multilang est un plugin supplémentaire qui n’est pas activé par défaut lors de l’initialisation de MediaSPIP.
    Après son activation, une préconfiguration est mise en place automatiquement par MediaSPIP init permettant à la nouvelle fonctionnalité d’être automatiquement opérationnelle. Il n’est donc pas obligatoire de passer par une étape de configuration pour cela.

  • HTML5 audio and video support

    13 avril 2011, par

    MediaSPIP uses HTML5 video and audio tags to play multimedia files, taking advantage of the latest W3C innovations supported by modern browsers.
    The MediaSPIP player used has been created specifically for MediaSPIP and can be easily adapted to fit in with a specific theme.
    For older browsers the Flowplayer flash fallback is used.
    MediaSPIP allows for media playback on major mobile platforms with the above (...)

  • 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 (9981)

  • 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

  • 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 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

Navigation