好吧，在找到正确的位置之前，我在主堆栈中发布了相同的问题，抱歉。
我的一个朋友正在使用 100 多个视频作为他的神经网络的样本。每个视频持续超过几分钟，每秒大约 24 帧。使用深度学习的目标是检测所有样本的运动。
对他来说，问题在于他正在处理的数据量。培训部分需要/消耗太多时间。我不是数据准备方面的专家，但我想也许他可以将所有帧变成数据帧，从单色图像（全黑/白）中清除它们，将它们变成灰色而不是全rgb并压缩它们，但是，我不确定是否足够。
你有没有更好的方法来减少训练样本？
从视频样本中减少样本
数据挖掘
Python
深度学习
数据流挖掘
2022-02-23 11:55:36
1个回答
- 减小尺寸，例如使用
cv2.resize() - 压缩图像（它不是无损的）例如
cv2.imencode() - 降低帧率
- 使用较低的精度 - 加载图像
uint8时，但float32默认使用深度学习框架。您可以尝试float16或混合精度。
使用 JPEG 压缩在内存减少和性能损失最小方面已被证明是相当好的。看看这个研究。
您也可以降低帧速率，例如 10 FPS。实际值可以根据移动物体的预期速度来计算 -> 你真的需要24 FPS 来完成任务吗？
否则，您使用的硬件将决定之后要采取的步骤。内存、操作次数、推理速度等将改变您优化过程的方式。
你提到了“数据框”，所以我只想指出，使用 Pandas Dataframes 来保存原始图像数据，虽然看起来很容易，但由于涉及的数据点（像素）的数量，以及 Pandas DataFrames 的事实，它通常非常低效本质上是带注释的 NumPy 数组 - 注释占用了大量空间。最好加载到纯 numpy 数组中，并将 OpenCV 用于诸如从 RGB 制作灰度（黑白）图像、调整它们的大小、标准化像素值等。