在调用网络摄像头处理自己的算法时，当解码的速度与算法运行的速度差太多时，会出现类似下面的错误。所以需要使用两个线程，一个线程调用摄像头，一个线程用来处理图像。

交叉编译器：arm-unknown-nto-qnx6.6.0eabi-gcc.exe相关依赖：x264-snapshotxvidcore相关依赖库下载地址：xvidcore：http://ftp.br.debian.org/debian-multimedia/pool/main/x/xvidcore/x264-snapshot：http://download.v...

1、首先在opencv源码中3rdparty文件中添加编译好的ffmpeg2、编写toolchain.txt输入：include(CMakeForceCompiler)set(CMAKE_SYSTEM_NAME QNX)set(CMAKE_SYSTEM_PROCESSOR "ARM")set(CMAKE_BUILD_TYPE Release CACHE ST...

首先在{project}\app\libs 文件下创建一个{android_ABI}文件，比如上面是用arm64-v8a，所有创建一个arm64-v8a文件。然后把所有库文件放入这个文件下。然后在{project}\app\src\main\cpp文件下放入头文件，以及需要添加的cpp文件。4、在android studio中导入上面编译的第三方库文件。安装android studio。1、交叉编

上述代码中json数据有五个部分：image为图片数据，level是告警等级，rtsp为数据流地址，type是算法类型，label是算法标签等，所以数据发送为这五个内容。上述完整代码可详见github或者百度网盘。

1. Introduction在PSPNet中利用基于不同区域的上下文信息，通过金字塔池模块和提议的金字塔场景解析网络（PSPNet）来挖掘全局上下文信息的能力。目标是为图像中的每个像素分配一个类别标签。场景解析提供了对场景的完全理解。它预测每个元素的标签、位置和形状。对于准确的场景感知，知识图依赖于场景上下文的先验信息。我们发现目前基于FCN的模型的主要问题是缺乏合适的策略来利用全局场景类别的线

│└── total_stich_side.py# 包含 TotalStich_side 类。│└── __init__.so# 包的 __init__ 文件（自动生成）│├── match.so# 或 .pyd（Windows）│├── __init__.py# 空文件，声明为包。│├── __init__.py# 空文件，声明为包。

理解参考：https://blog.csdn.net/tuzixini/article/details/78760158SegNet结构：这样的对称结构有种自编码器的感觉在里面，先编码再解码。这样的结构主要使用了反卷积和上池化。即：                                                                          SegNet和FCN

参考资料：https://blog.csdn.net/zizi7/article/details/77369945                  https://blog.csdn.net/Quincuntial/article/details/78743033以FCN和SegNet 为代表的图像分割方法与传统的 CNN 一样，先对图像做卷积再做池化。其中池化的意义一方面是降低计算量，另一方面

找到docker数据目录，一般在C:\Users\61050\AppData\Local\Docker文件，将整个docker目录复制到其他盘（例如。mklink /J "C:\Users\<你的用户名>\AppData\Local\Docker" "D:\Docker"），为保证不出错，可以先提前复制一份。2、移动docker数据。4、重启docker。1、关闭docker。