video2data:混合机器学习摘要和字幕的视频和音频

video2data video2data或v2d是用于描述图像，视频和音频的通用工具。 v2d聚合了多个最新的神经网络，从而为机器或人类对视频流的内容进行分类。 该项目的开始是一种检测和识别安全摄像机供稿中的个人的方法。 计算领域的最新突破带来了理解。 v2d旨在在不受限制的环境中快速集成许多尖端技术。 该代码库在很大程度上依赖于Tensorflow和开源的神经网络模型。 该存储库非常不稳定，正在经历从原型到MVP的重构。 特征 v2d将多媒体流转换并将事件输出到stdout。 随着时间的推移，该项目计划实现MQTT和字幕文件输出。 实时阅读 v2d通过首先识别场景中的文本块来模仿人脑的工作方式。 它以最快的速度从最大到最小，从左到右读取每个块。 对于更受限的环境，v2d仍会发现文本，但只有在能够跟上信号的情况下才进行翻译。 场景理解 v2d可以识别图像中的数百个常见对象。 然后，它