Readme
视频流媒体一组
环境
- python3
- cv2
- numpy
- pandas
- pytorch
注意配置环境的时候有以下两点问题：
- 安装时 pip3 install opencv-python 若安装失败提示缺少skbuild模块，需要先通过 pip3 install cmake
- 安装 cv2 以后，若cv2.VideoCapture()视频读取失败，其实还需要再安装 pip3 install opencv-contrib-python 才能成功读取视频
安装过慢时
pip3 install opencv-python -i https://pypi.tuna.tsinghua.edu.cn/simple运行
在根目录外的input.txt中添加视频的绝对路径即可。
python main.py > output.txt统计
比较预测值与标签值的准确率、均方根误差等等
python label.py
目录
code
- ../input.txt 视频绝对路径
- main.py 整体框架
- clip.py 场景压缩至360p
- feat.py 提取特征，数据归一化
- pred.py 预测复杂度
- train.py 训练模型
- label.py 统计预测值准确率等
- output.txt 绝对路径、复杂度、码率、SSIM、20维特征
related
- 所有相关资料，包括分割的场景、bitrate-ssim曲线、MSU调研报告、最终答辩展示和报告等
- 详见文件夹中的readme
360p
- clips crf模式压缩后视频
- output crf模式压缩信息
720p
- clips 固定码率压缩视频
- output 固定码率压缩信息
data
- norm.npy 提供归一化数据（最大值、最小值）
- train_data.txt 训练集数据：包括第一列label和后面的20维特征
- test_data.txt 测试集数据：包括20维特征（注意这里的测试集是我们组的84个clip）
model
- net.pkl 保存模型数据