栏目分类:
子分类:
返回
名师互学网用户登录
快速导航关闭
当前搜索
当前分类
子分类
实用工具
热门搜索
名师互学网 > IT > 软件开发 > 后端开发 > Python

opencv读取图像后推理前处理对比

Python 更新时间: 发布时间: IT归档 最新发布 模块sitemap 名妆网 法律咨询 聚返吧 英语巴士网 伯小乐 网商动力

opencv读取图像后推理前处理对比

opencv读取图像后两种交换维度的方法
t2 = time.time()
    for j in range(100000):
        z1 = bgr.transpose(2, 0, 1)[::-1, ...]
    print(time.time() - t2)
    t1=time.time()
    for i in range(100000):
        z=bgr2[:, :, ::-1].swapaxes(1,2).swapaxes(0,1)

    print(time.time()-t1)

    print(z.shape)
    print(z1.shape)
    '''0.06399011611938477
0.09599995613098145
(3, 1067, 650)
(3, 1067, 650)'''

可以看出相差不大,但是总体来说numpy的速度快

交换维度,扩充维度,组合batch方式对比
    for j in range(10):
        z1 = bgr.transpose(2, 0, 1)[::-1, ...]
        img1 = np.array([z1, z1])
    print(img1.shape,time.time() - t2)
    t1=time.time()
    for i in range(10):
        z=bgr2[:, :, ::-1].swapaxes(1,2).swapaxes(0,1)
        img2=np.concatenate([np.expand_dims(z, axis=0),np.expand_dims(z, axis=0)])
    print(img2.shape,time.time()-t1)
t1=time.time()
    for i in range(10):
        z=bgr2[:, :, ::-1].swapaxes(1,2).swapaxes(0,1)
        img2=np.concatenate([z.reshape(1, 3, 1067, 650),z.reshape(1, 3, 1067, 650)])
    print(img2.shape,time.time()-t1)
   '''(2, 3, 1067, 650) 0.02399611473083496
(2, 3, 1067, 650) 0.05620718002319336
(2, 3, 1067, 650) 0.05584287643432617'''

transpose之后使用array是最优的

扩充维度对比
    for i in range(100000):
        z11=z.reshape(1, 3, 1067, 650)
    print("reshape time",time.time() - t1)

    t1 = time.time()
    for i in range(100000):
        z12=np.expand_dims(z1,axis=0)
    print("np.expand_dims time",time.time() - t1)
    '''reshape time 0.0431513786315918
np.expand_dims time 0.4829425811767578'''

reshpe的速度是最快的

结论:
#多batch最优方案
 z1 = img.transpose(2, 0, 1)[::-1, ...]
img1 = np.array([z1, z1])
#扩充维度最优方案
z1 = img.transpose(2, 0, 1)[::-1, ...]
img2=z1.reshape(1,3,h,w)
转载请注明:文章转载自 www.mshxw.com
本文地址:https://www.mshxw.com/it/916327.html
我们一直用心在做
关于我们 文章归档 网站地图 联系我们

版权所有 (c)2021-2022 MSHXW.COM

ICP备案号:晋ICP备2021003244-6号