python人工智能圖像識別原理？差不多的技術(shù)方向吧：Python動態(tài)創(chuàng)建ffmpeg的或opencv讀取數(shù)據(jù)媒體的幀。接著針對每一幀，的或自己定義關(guān)鍵幀來再提取特征值(SIFT),用OpenCV來如

python人工智能圖像識別原理？

差不多的技術(shù)方向吧：

Python動態(tài)創(chuàng)建ffmpeg的或opencv讀取數(shù)據(jù)媒體的幀。

接著針對每一幀，的或自己定義關(guān)鍵幀來再提取特征值(SIFT),用OpenCV來如何處理。這一段曲這個可以存到數(shù)據(jù)庫或是其它別的方向。

任何一幀再提取后，換算SIFT去上面的數(shù)據(jù)庫版本問題。

歸納幫一下忙是你要懂OpenCV也就是是有的圖像處理能力，后再應該是個特征自動分配也可以圖像檢索系統(tǒng)問題。

python用opencv做的人臉識別占用性能嚴重，怎么優(yōu)化？

你這個問題具體解釋信息太少，沒法具體一點問，不能說說大概的思路。

可是Python簡單易學，使用方便，但是他的效率卻不是高，因為像是也就比較適合做試驗性代碼開發(fā)，那樣的話能迅速不驗證思路或是算法的正確性。比如說你說的人臉識別，論是用深度學習，我還是用常規(guī)項算法，首先要怎么設計一個算法并修改密保它能否正常工作，只有一能錯誤的檢測檢測人臉的算法，才是三個可行的算法，至于效率是下一步怎么辦系統(tǒng)優(yōu)化的目標。

一般情況下圖像處理的計算量都比較比較大，因此在驗證驗證了算法的正確性之后，就像會將Python的代碼移植技術(shù)到效率更高的C/C平臺，相對于OpenCV來說就更是如此，因為OpenCV的開發(fā)語言恰恰C。至于怎么在C里面調(diào)用Python模型，可相關(guān)參考本人寫的一篇文章，本來也是圖像處理方面的。

再者，是對運算量相當大的任務，例如深度學習，CPU并不一定巳經(jīng)很容易滿足的條件算出要求，這時候就需要用GPU來速度。

看你的計算，另外模型參數(shù)了。如果不是你的模型很大，建議用GPU運算。

來頭條問這種就像是沒什么答案的

也可以動態(tài)創(chuàng)建opencv的動態(tài)庫，那樣的話性能高。

但這個應該是硬件性能太差吧。具體詳細得看下你咋測試出來的？這樣才能不可一概而論。

為么用pythonCC不爽嗎

幾個方案:

1、去確認算法效率，人臉識別能成熟方法很多，到底你是用哪種。

2、360優(yōu)化python代碼，除非是同一個問題，代碼實現(xiàn)相同，效率也天地之差。

3、如果對c系列語言熟悉的話，移回c＋＋，opencv非常好移植。

4、確定GPU加速。

5、換庫，opencv很多算法的實現(xiàn)效率本身就不行。

6、換機器.....

加油哈[笑][笑][笑]