墨衍会员
·
AI 创作全网分发
墨衍智能分发
本文由作者通过墨衍一键同步至各平台
1分发平台
5.8k累计阅读
5.8k平均单平台
已同步平台
优快云
微信公众号
微博
知乎
掘金
百家号
博客园
抖音
小红书
你的文章也可以这样分发
墨衍会员 ¥399起/年，写一次发全网
我也要
例如VideoView获取视频总长度：
在视频播放前获取到的视频总长度都为-1
想要在视频播放前获取到总长度的话:
videoView.setOnPreparedListener(new MyOnPreparedListener());
private class MyOnPreparedListener implements OnPreparedListener{
@Override
public void onPrepared(MediaPlayer mp) {
// TODO Auto-generated method stub
video.getDuration();
}
}OpenCV形状检测
开始定义我们的ShapeDetector类。我们将跳过这里的init构造函数，因为不需要初始化任何东西。#导入必要的包importcv2classShapeDetector#初始化形状名称并近似轮廓shape="unidentified"peri=cv2.arcLength(c,True)approx=cv2.approxPolyDP(c,0.04*peri,True)我们的检测方法，它只需要一个参数c，即我们试图识别的形状的轮廓。...
Android开发之MediaPlayer详解
Android开发之MdiaPlayer详解 MediaPlayer类可用于控制音频/视频文件或流的播放，我曾在《Android开发之基于Service的音乐播放器》一文中介绍过它的使用。下面让我们看一下MediaPlayer类的详细介绍。 一、类结构： java.lang.Object ↳ android.media.Media
拆开一个烧坏的IGBT模块，手把手教你识别过压、过流、过温的“案发现场”
本文详细解析了IGBT模块失效分析的实战技巧，通过观察铝层熔化纹路、焊锡溢出形态等物理痕迹，手把手教你识别过压、过流、过温的典型失效模式。文章提供了从基础工具包到现场快速诊断的完整流程，帮助工程师精准定位IGBT模块失效的根本原因。
Android MediaPlaye.getDuration()获取音视频时长的方式
android MediaPlaye.getDuration()获取不到在线音乐时长,看看mediaPlayer.getDuration()的源码，里面明确地说了，不支持在线内容，所以，根本原因就是它（不过我本地资源也获取不到） /** * Gets the duration of the file. * * @return the duration in milliseconds, if no duration is available * (fo
【通俗易懂】Windows系统安装TensorRT
NVIDIA TensorRT是一个由NVIDIA公司开发的用于深度学习推理的高性能SDK。它专门设计用于在NVIDIA GPU上进行高效的神经网络推理，能够大幅度提升深度学习模型的推理速度和效率。TensorRT的主要特点包括：模型优化：TensorRT通过层融合、精度校准、动态形状等技术优化模型，减少推理时的计算量和内存占用。多精度推理：支持多种精度推理，包括FP32、FP16、INT8等，以平衡性能和精度。
KG²RAG框架：知识图谱增强大模型检索生成技术解析
知识图谱（Knowledge Graph）作为结构化知识表示的重要方式，与向量检索技术结合形成了新一代检索增强生成（RAG）框架。其核心原理是通过图神经网络编码器提取子图特征，并与文本向量空间对齐，实现结构化与非结构化知识的协同检索。这种技术显著提升了专业领域问答的事实准确性，在医疗诊断、金融分析等需要高可靠性响应的场景中具有重要价值。KG²RAG框架创新性地采用双通道处理架构，结合Neo4j等图数据库与Milvus向量数据库，通过动态检索调度器智能选择最优检索路径。实测表明该方案能降低40%以上的事实错误
Android VideoView中getDuration()方法使用问题
Android VideoView中getDuration()方法使用问题： 调用videoView.getDuration()方法返回值为-1 VideoView.start()后调用videoView.getDuration()方法返回值也为-1， 视频开始播放后调用videoView.getDuration()方法返回值为视频的真实“长度” 看源码后发现里面会先去检查一个mCurre
打通Creo与Matlab的桥梁：Simscape Multibody Link插件安装与配置全攻略
本文详细介绍了Simscape Multibody Link插件的安装与配置全流程，旨在帮助机械工程师和开发者打通Creo与Matlab/Simulink之间的桥梁，实现CAD模型到多体动力学仿真的高效转换。文章重点解析了版本兼容性、管理员权限、注册文件配置等关键步骤与常见故障排查方法，助力用户快速建立设计与仿真一体化工作流。
MediaPlayer遇到的几个坑
欢迎使用Markdown编辑器写博客本Markdown编辑器使用StackEdit修改而来，用它写博客，将会带来全新的体验哦： Markdown和扩展Markdown简洁的语法 代码块高亮 图片链接和图片上传 LaTex数学公式 UML序列图和流程图 离线写博客 导入导出Markdown文件 丰富的快捷键 快捷键 加粗 Ctrl + B 斜体 Ctrl + I 引用 Ctrl
用AList挂载网盘，无损看VR电影教程，无需下载到PICO头显本地！
用AList挂载网盘 + WebDAV直连头显，看片像拉本地一样流畅，不怕卡顿、不怕没空间，简直是VR看片刚需配置！别再用U盘传电影了，用AList + WebDAV，直接流畅看4K，看片效率翻倍，体验提升一个档次！
Autosar进阶专栏索引
Autosar进阶专栏索引
解决android MediaPlayer获取不到在线音乐时长
前言 最近，开发了一个项目，里面有涉及到了MP3等音频播放的功能，就稍微梳理下，开发过程中遇到的问题，其中之一就是，通过MediaPlayer获取在线音频的时长，无法成功 分析 首先，看看mediaPlayer.getDuration()的源码，里面明确地说了，不支持在线内容，所以，根本原因就是它 /** * Gets the duration of the file....
YOLO26 多任务统一架构：检测 / 分割 / 姿态 / OBB 设计
YOLO26提出了一种多任务统一架构，整合了目标检测、实例分割、姿态估计和旋转框检测（OBB）四大计算机视觉任务。该架构采用共享Backbone和Neck的设计，配合轻量级任务特定Head，解决了传统方法中多模型并行带来的高开发成本、大内存占用和低推理效率问题。核心设计包括：1）共享特征提取层实现参数复用；2）模块化Head结构支持灵活任务组合；3）统一接口实现单模型多任务处理。实验表明，该架构在保持各任务性能的同时显著提升了系统效率，为多任务视觉系统提供了新的实现范式。
android保存播放进度,Android MediaPlayer控制进度播放音频
Android MediaPlayer控制进度播放音频本文简单介绍MediaPlayer获取播放进度和设置进度播放。1、获取音频文件的播放时间总长度//返回的是int的毫秒级数据/*** Gets the duration of the file.** @return the duration in milliseconds, if no duration is available* ...
深度学习工具包 DeepLearningToolbox
深度学习工具包Deprecation notice.-----This toolbox is outdated and no longer maintained.There are much better tools available for deep learning than this toolbox, e.g. [Theano](http://deeplearning.net/software/theano/), [torch](http://torch.ch/) or [tensorflow](http://www.tensorflow.org/)I would suggest you use one of the tools mentioned above rather than use this toolbox.Best, Rasmus.DeepLearnToolbox================A Matlab toolbox for Deep Learning.Deep Learning is a new subfield of machine learning that focuses on learning deep hierarchical models of data.It is inspired by the human brain's apparent deep (layered, hierarchical) architecture.A good overview of the theory of Deep Learning theory is[Learning Deep Architectures for AI](http://www.iro.umontreal.ca/~bengioy/papers/ftml_book.pdf)For a more informal introduction, see the following videos by Geoffrey Hinton and Andrew Ng.* [The Next Generation of Neural Networks](http://www.youtube.com/watch?v=AyzOUbkUf3M) (Hinton, 2007)* [Recent Developments in Deep Learning](http://www.youtube.com/watch?v=VdIURAu1-aU) (Hinton, 2010)* [Unsupervised Feature Learning and Deep Learning](http://www.youtube.com/watch?v=ZmNOAtZIgIk) (Ng, 2011)If you use this toolbox in your research please cite [Prediction as a candidate for learning deep hierarchical models of data](http://www2.imm.dtu.dk/pubdb/views/publication_details.php?id=6284)```@MASTERSTHESIS\{IMM2012-06284, author = "R. B. Palm", title = "Prediction as a candidate for learning deep hierarchical models of data", year = "2012",}```Contact: rasmusbergpalm at gmail dot comDirectories included in the toolbox-----------------------------------`NN/` - A library for Feedforward Backpropagation Neural Networks`CNN/` - A library for Convolutional Neural Networks`DBN/` - A library for Deep Belief Networks`SAE/` - A library for Stacked Auto-Encoders`CAE/` - A library for Convolutional Auto-Encoders`util/` - Utility functions used by the libraries`data/` - Data used by the examples`tests/` - unit tests to verify toolbox is workingFor references on each library check REFS.mdSetup-----1. Download.2. addpath(genpath('DeepLearnToolbox'));Example: Deep Belief Network---------------------```matlabfunction test_example_DBNload mnist_uint8;train_x = double(train_x) / 255;test_x = double(test_x) / 255;train_y = double(train_y);test_y = double(test_y);%% ex1 train a 100 hidden unit RBM and visualize its weightsrand('state',0)dbn.sizes = [100];opts.numepochs = 1;opts.batchsize = 100;opts.momentum = 0;opts.alpha = 1;dbn = dbnsetup(dbn, train_x, opts);dbn = dbntrain(dbn, train_x, opts);figure; visualize(dbn.rbm{1}.W'); % Visualize the RBM weights%% ex2 train a 100-100 hidden unit DBN and use its weights to initialize a NNrand('state',0)%train dbndbn.sizes = [100 100];opts.numepochs = 1;opts.batchsize = 100;opts.momentum = 0;opts.alpha = 1;dbn = dbnsetup(dbn, train_x, opts);dbn = dbntrain(dbn, train_x, opts);%unfold dbn to nnnn = dbnunfoldtonn(dbn, 10);nn.activation_function = 'sigm';%train nnopts.numepochs = 1;opts.batchsize = 100;nn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.10, 'Too big error');```Example: Stacked Auto-Encoders---------------------```matlabfunction test_example_SAEload mnist_uint8;train_x = double(train_x)/255;test_x = double(test_x)/255;train_y = double(train_y);test_y = double(test_y);%% ex1 train a 100 hidden unit SDAE and use it to initialize a FFNN% Setup and train a stacked denoising autoencoder (SDAE)rand('state',0)sae = saesetup([784 100]);sae.ae{1}.activation_function = 'sigm';sae.ae{1}.learningRate = 1;sae.ae{1}.inputZeroMaskedFraction = 0.5;opts.numepochs = 1;opts.batchsize = 100;sae = saetrain(sae, train_x, opts);visualize(sae.ae{1}.W{1}(:,2:end)')% Use the SDAE to initialize a FFNNnn = nnsetup([784 100 10]);nn.activation_function = 'sigm';nn.learningRate = 1;nn.W{1} = sae.ae{1}.W{1};% Train the FFNNopts.numepochs = 1;opts.batchsize = 100;nn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.16, 'Too big error');```Example: Convolutional Neural Nets---------------------```matlabfunction test_example_CNNload mnist_uint8;train_x = double(reshape(train_x',28,28,60000))/255;test_x = double(reshape(test_x',28,28,10000))/255;train_y = double(train_y');test_y = double(test_y');%% ex1 Train a 6c-2s-12c-2s Convolutional neural network %will run 1 epoch in about 200 second and get around 11% error. %With 100 epochs you'll get around 1.2% errorrand('state',0)cnn.layers = { struct('type', 'i') %input layer struct('type', 'c', 'outputmaps', 6, 'kernelsize', 5) %convolution layer struct('type', 's', 'scale', 2) %sub sampling layer struct('type', 'c', 'outputmaps', 12, 'kernelsize', 5) %convolution layer struct('type', 's', 'scale', 2) %subsampling layer};cnn = cnnsetup(cnn, train_x, train_y);opts.alpha = 1;opts.batchsize = 50;opts.numepochs = 1;cnn = cnntrain(cnn, train_x, train_y, opts);[er, bad] = cnntest(cnn, test_x, test_y);%plot mean squared errorfigure; plot(cnn.rL);assert(er<0.12, 'Too big error');```Example: Neural Networks---------------------```matlabfunction test_example_NNload mnist_uint8;train_x = double(train_x) / 255;test_x = double(test_x) / 255;train_y = double(train_y);test_y = double(test_y);% normalize[train_x, mu, sigma] = zscore(train_x);test_x = normalize(test_x, mu, sigma);%% ex1 vanilla neural netrand('state',0)nn = nnsetup([784 100 10]);opts.numepochs = 1; % Number of full sweeps through dataopts.batchsize = 100; % Take a mean gradient step over this many samples[nn, L] = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.08, 'Too big error');%% ex2 neural net with L2 weight decayrand('state',0)nn = nnsetup([784 100 10]);nn.weightPenaltyL2 = 1e-4; % L2 weight decayopts.numepochs = 1; % Number of full sweeps through dataopts.batchsize = 100; % Take a mean gradient step over this many samplesnn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.1, 'Too big error');%% ex3 neural net with dropoutrand('state',0)nn = nnsetup([784 100 10]);nn.dropoutFraction = 0.5; % Dropout fraction opts.numepochs = 1; % Number of full sweeps through dataopts.batchsize = 100; % Take a mean gradient step over this many samplesnn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.1, 'Too big error');%% ex4 neural net with sigmoid activation functionrand('state',0)nn = nnsetup([784 100 10]);nn.activation_function = 'sigm'; % Sigmoid activation functionnn.learningRate = 1; % Sigm require a lower learning rateopts.numepochs = 1; % Number of full sweeps through dataopts.batchsize = 100; % Take a mean gradient step over this many samplesnn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.1, 'Too big error');%% ex5 plotting functionalityrand('state',0)nn = nnsetup([784 20 10]);opts.numepochs = 5; % Number of full sweeps through datann.output = 'softmax'; % use softmax outputopts.batchsize = 1000; % Take a mean gradient step over this many samplesopts.plot = 1; % enable plottingnn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.1, 'Too big error');%% ex6 neural net with sigmoid activation and plotting of validation and training error% split training data into training and validation datavx = train_x(1:10000,:);tx = train_x(10001:end,:);vy = train_y(1:10000,:);ty = train_y(10001:end,:);rand('state',0)nn = nnsetup([784 20 10]); nn.output = 'softmax'; % use softmax outputopts.numepochs = 5; % Number of full sweeps through dataopts.batchsize = 1000; % Take a mean gradient step over this many samplesopts.plot = 1; % enable plottingnn = nntrain(nn, tx, ty, opts, vx, vy); % nntrain takes validation set as last two arguments (optionally)[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.1, 'Too big error');```[](https://bitdeli.com/free "Bitdeli Badge")
jdk-8u144-linux-x64.tar.gz.
该资源为搭建Linux系统Java环境用，资源的后缀为tar.gz格式的压缩包
PHP利用FFmpeg实现获取远程视频的时长和截图
突然发现 FFmpeg 这个软件还可以直接拉取远程视频的相关信息，也就是可以不通过下载视频到本地的方式，直接远程去获取视频时长和截图。经测试，以上过程的调用，并不需要完全把视频下载到本地再解析，可以实现远程获取直接秒级返回！除了上文的方法，小编还为大家整理了一些其他PHP关于视频文件的相关操作，希望对大家有所帮助。到此这篇关于PHP利用FFmpeg实现获取远程视频的时长和截图的文章就介绍到这了。假设我们的视频url是：http://my.com/a.mp4。如果exec()未正确返回参照。
STM32F407中文手册
STM32f407中文手册 本参考手册面向应用开发人员，提供有关使用 STM32F405xx/07xx、STM32F415xx/17xx、 STM32F42xxx 和 STM32F43xxx 微控制器存储器与外设的完整信息。STM32F405xx/07xx、STM32F415xx/17xx、STM32F42xxx 和 STM32F43xxx 构成一个微 控制器系列，各产品具有不同的存储器大小、封装和外设。有关订购信息以及器件的机械与电气特性，请参见数据手册。有关 ARM Cortex™-M4F 内核的信息，请参见《Cortex™-M4F 技术参考手册》。
android videoview属性,Android VideoView
VideoView，用于播放一段视频媒体，它继承了SurfaceView，位于"android.widget.VideoView"，是一个视频控件。既然是播放一段视频，那么不可避免的要涉及到一些开始、暂停、停止等操作，VideoView也为开发人员提供了对应的方法，这里简单介绍一些常用的：int getCurrentPosition()：获取当前播放的位置。int getDuration()：获取...
文档：亲测可用解决vnc灰屏，黑屏，鼠标大黑叉情况
主要解决vnc-viewer灰屏，黑屏，鼠标大黑叉等现象，详细见文档。
MediaPlayer使用以及常见问题
MediaPlayer其实是一个封装的很好的音频、视频流媒体操作类
获取网络视频视频的总时长
MediaPlayer mediaPlayer = new MediaPlayer(); Uri uri= Uri.parse(list.get(position).getPath()); try { mediaPlayer.setDataSource(context,uri); mediaPlayer.prepare(); int time= mediaPlaye...
Android学习笔记045之MediaPlayer
这一篇我们介绍一下Android的音频和视频播放，重点讲解Mediaplayer这个类。 Android的MediaPlayer包含了Audio和Video的播放功能，在Android的界面上，Music和Video两个应用程序都是调用MediaPlaer来实现的。概述首先我们看一下Mediaplayer的生命周期图下面我们看一下MediaPlayer提供的方法： addTimedTextSourc
MediaPlayer播放音频与视频
9.2 MediaPlayer播放音频与视频 分类Android 基础入门教程 本节引言： 本节带来的是Android多媒体中的——MediaPlayer，我们可以通过这个API来播放音频和视频 该类是Androd多媒体框架中的一个重要组件，通过该类，我们可以以最小的步骤来获取，解码 和播放音视频。它支持三种不同的媒体来源： 本地资源 内部的URI，比如你可以通过Content...
56. 【Android教程】媒体播放器：MediaPlayer
Android 系统提供了几种播放音频和视频的方式，其中最常用的就是 MediaPlayer，和其他功能组件一样都有很多第三方框架提供更加丰富完备的功能，但是基本用法和时序基本都是参照 MediaPlayer 来设计的，本节就来看看 MediaPlayer 的使用方法。
Android学习笔记--MediaPlayer基础使用的详解：
MediaPlayer具体方法介绍： void setDataSource(String path) 通过一个具体的路径来设置MediaPlayer的数据源，path可以是本地的一个路径，也可以是一个网络路径 void setDataSource(Context context, Uri uri) 通过给定的Uri来设置MediaPlayer的数据源，这里的Uri可以是网络路径
VideoView中getDuration()和getCurrentPosition()获取错误的问题
这几天在做一个App内嵌VideoView的工作。 要实现正在播放的时候，按home键到桌面后，再进入该App，视频还在刚才的进度上播放。 实现思路是再onStop()中调用videoView.getCurrentPosition();但是总有几次获取到的值为0，好像不太稳定，而每次getDuration()时，得到的都是-1. 后面查看他们的源码： @Override
深入Android MediaPlayer的使用方法详解
1）如何获得MediaPlayer实例： 可以使用直接new的方式： MediaPlayer mp = new MediaPlayer(); 也可以使用create的方式，如： MediaPlayer mp = MediaPlayer.create(this, R.raw.test);//这时就不用调用setDataSource了 2) 如何设置要播放的文件： MediaPlaye
android getduration 毫秒,,VideoView中getDuration()和getCurrentPosition()獲取錯誤的問題
這幾天在做一個App內嵌VideoView的工作。要實現正在播放的時候，按home鍵到桌面后，再進入該App，視頻還在剛才的進度上播放。實現思路是再onStop()中調用videoView.getCurrentPosition();但是總有幾次獲取到的值為0，好像不太穩定，而每次getDuration()時，得到的都是-1.后面查看他們的源碼：@Overridepublic int getCurr...
Java获取Mp3文件时长错误
解析Mp3文件获取时长问题
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
9424
扫一扫
