V2EX = way to explore
V2EX 是一个关于分享和探索的地方
Sign Up Now
For Existing Member Sign In
This topic created in 2075 days ago, the information mentioned may be changed or developed.
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 Aug 23, 2020 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 Aug 23, 2020
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 Aug 23, 2020 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 Aug 23, 2020
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