معرفی شرکت ها

تبلیغات ما

مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.

مشاهده بیشتر

تبلیغات ما

مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.

مشاهده بیشتر

تبلیغات ما

مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.

مشاهده بیشتر

تبلیغات ما

مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.

مشاهده بیشتر

تبلیغات ما

مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.

مشاهده بیشتر

توضیحات

CUDA-accelerated volumetric optical flow estimation using the Farneback algorithm

ویژگی	مقدار
سیستم عامل	-
نام فایل	farneback3d-0.1.3
نام	farneback3d
نسخه کتابخانه	0.1.3
نگهدارنده	[]
ایمیل نگهدارنده	[]
نویسنده	Stephan Seitz
ایمیل نویسنده	stephan.seitz@yahoo.de
آدرس صفحه اصلی	https://github.com/theHamsta
آدرس اینترنتی	https://pypi.org/project/farneback3d/
مجوز	GPL v3

=========== farneback3d =========== .. image:: https://badge.fury.io/py/farneback3d.svg :target: https://badge.fury.io/py/farneback3d .. image:: https://travis-ci.org/theHamsta/farnback3d.svg?branch=master :target: https://travis-ci.org/theHamsta/farnback3d A CUDA implementation of the Farneback optical flow algorithm [1]_ for the calculation of dense volumetric flow fields. Since this algorithm is based on the approximation of the signal by polynomial expansion it is especial suited for the motion estimation in smooth signals without clear edges. To know more about the implementation, have a look on `this OpenCV class <https://docs.opencv.org/3.3.0/de/d9e/classcv_1_1FarnebackOpticalFlow.html>`_ that was used as a template for this implementation. Development takes place on `Github <https://github.com/theHamsta/farneback3d>`_. Python interface ================ The project uses `pycuda <https://github.com/inducer/pycuda>`_ to provide a pure-python package available on PyPi .. code-block:: bash pip install farneback3d Usage: .. code-block:: python import farneback3d ... # create some numpy volumes vol0 and vol1 (can also be pycuda GPUArrays) # set parameters for optical flow (parameters have the same meaning as in the OpenCV implementation) optflow = farneback3d.Farneback( pyr_scale=0.8, # Scaling between multi-scale pyramid levels levels=6, # Number of multi-scale levels num_iterations=5, # Iterations on each multi-scale level winsize=9, # Window size for Gaussian filtering of polynomial coefficients poly_n=5, # Size of window for weighted least-square estimation of polynomial coefficients poly_sigma=1.2, # Sigma for Gaussian weighting of least-square estimation of polynomial coefficients ) # calculate frame-to-frame flow between vol0 and vol1 flow = optflow.calc_flow(vol0, vol1) C++ interface ============= To be implemented... Future plans ============= The current implementation uses a naive approach to perform the necessary convolutions. The algorithm could be sped up drastically by performing separable convolutions along each coordinate axis. References ========== .. [1] Farnebäck, Gunnar. "Two-frame motion estimation based on polynomial expansion." Scandinavian conference on Image analysis. Springer, Berlin, Heidelberg, 2003.

نحوه نصب

نصب پکیج whl farneback3d-0.1.3:

pip install farneback3d-0.1.3.whl

نصب پکیج tar.gz farneback3d-0.1.3:

pip install farneback3d-0.1.3.tar.gz