Decord 开源项目教程

Decord 开源项目教程

decord An efficient video loader for deep learning with smart shuffling that's super easy to digest 项目地址: https://gitcode.com/gh_mirrors/de/decord

1、项目介绍

Decord 是一个高效的视频加载器，专为深度学习设计，具有智能的随机播放功能，使其非常易于使用。Decord 旨在处理深度学习中常见的随机访问模式，提供流畅的视频加载体验，类似于随机图像加载器。此外，Decord 还能够解码视频和音频文件中的音频，提供视频和音频同步解码的一站式解决方案。

2、项目快速启动

安装

通过 pip 安装

pip install decord

从源码安装

Linux

1. 安装系统依赖包：

sudo apt-get update
sudo apt-get install -y build-essential python3-dev python3-setuptools make cmake ffmpeg libavcodec-dev libavfilter-dev libavformat-dev libavutil-dev

2. 克隆仓库并编译：

git clone --recursive https://github.com/dmlc/decord
cd decord
mkdir build && cd build
cmake -DUSE_CUDA=0 -DCMAKE_BUILD_TYPE=Release
make

3. 安装 Python 绑定：

cd ../python
python3 setup.py install --user

macOS

1. 安装构建工具：

xcode-select --install
brew install cmake ffmpeg

2. 克隆仓库并编译：

git clone --recursive https://github.com/dmlc/decord
cd decord
mkdir build && cd build
cmake -DCMAKE_BUILD_TYPE=Release
make

3. 安装 Python 绑定：

cd ../python
python3 setup.py install --user

Windows

1. 安装依赖：

choco install git cmake ffmpeg python

2. 克隆仓库并编译：

git clone --recursive https://github.com/dmlc/decord
cd decord
mkdir build && cd build
cmake -DCMAKE_CXX_FLAGS="/DDECORD_EXPORTS" -DCMAKE_CONFIGURATION_TYPES="Release" -G "Visual Studio 15 2017 Win64"

3. 安装 Python 绑定：

cd ../python
python3 setup.py install --user

使用示例

使用 VideoReader 读取视频帧

from decord import VideoReader
from decord import cpu

vr = VideoReader('examples/flipping_a_pancake.mkv', ctx=cpu(0))
print('视频帧数:', len(vr))

for i in range(len(vr)):
    frame = vr[i]
    print(frame.shape)

frames = vr.get_batch([1, 3, 5, 7, 9])
print(frames.shape)

使用 VideoLoader 加载视频文件

from decord import VideoLoader
from decord import cpu

vl = VideoLoader(['1.mp4', '2.avi', '3.mpeg'], ctx=[cpu(0)], shape=(2, 320, 240, 3), interval=1, skip=5, shuffle=1)
print('总批次:', len(vl))

for batch in vl:
    print(batch[0].shape)

3、应用案例和最佳实践

视频分类

Decord 可以用于视频分类任务中，高效地加载和处理视频数据。通过 VideoLoader 的智能随机播放功能，可以大大提高训练效率。

视频检索

在视频检索系统中，Decord 可以用于快速加载和处理视频帧，提取关键帧进行特征提取和匹配。

视频编辑

Decord 可以用于视频编辑软件中，提供高效的视频帧读取和处理功能，支持实时预览和编辑。

4、典型生态项目

MXNet

Decord 可以与 MXNet 深度学习框架结合使用，提供高效的视频数据加载和处理功能，适用于视频分类、检测等任务。

PyTorch

Decord 也可以与 PyTorch 结合使用，提供高效的视频数据加载和处理功能，适用于各种视频相关的深度学习任务。

TensorFlow

Decord 可以与 TensorFlow 结合使用，提供高效的视频数据加载和处理功能，适用于视频分类、生成等任务。

decord An efficient video loader for deep learning with smart shuffling that's super easy to digest 项目地址: https://gitcode.com/gh_mirrors/de/decord