Flutter WebRTC 实现1V1移动端跨平台实时音视频通信
讲师:杜甲 ,从2012年开始从事移动互联网方面的开发工作,曾担任去哪儿网开发工程师,搜狗高级开发工程师,拥有多年一线实战开发经验。
擅长语言:Object-C、Swift、Flutter、Java、C/C++、docker
实战:1、高并发即时音视频服务:基于开源WebRTC流媒体服务器进行二次开发,支持高并发的移动端与Web端视频会议项目以及以及IM聊天软件中音视频通信。
2、IM即时通信:支持文字、图片、音频、即时音视频通话(1v1、多人通话)。
3、采用FFMpeg进行音视频处理。
4、微服务:docker、kubernetes(k8s)服务编排。
教学风趣幽默、通俗易懂,对知识有自己独
课程收获:
了解WebRTC媒体的交互流程
turn、stun服务器搭建
Flutter跨平台开发
Flutter-WebRTC如何使用
适合人群:
想学习移动端跨平台开发、学习实时音视频通信的同学
课程目录:
第一节课程简介 免费试学
第二节媒体协商过程介绍 免费试学
第三节coturn服务器搭建 免费试学
第四节node环境搭建 免费试学
第五节nodejs信令服务器开发 免费试学
第六节nodejs信令服务器开发 (2) 免费试学
第七节flutter客户端(1):界面搭建 免费试学
第八节客户端信令(1) 免费试学
第九节客户端信令(2) 免费试学
第一十节客户端信令(3) 免费试学
第一十一节客户端信令(4) 免费试学
第一十二节客户端构建媒体对象 免费试学
第一十三节客户端界面处理信令回调 免费试学
第一十四节客户端远端媒体视窗 免费试学
第一十五节客户端编译配置 免费试学
第一十六节客户端服务器联调以及项目展示 免费试学
相关推荐
传说水吧聊天室 v2.2(完整体验版)
音视频开发常见的开源项目汇总
音视频开发常见的开源项目
关于AI开发方法论-以文档为索引的高质量协作开发:让一次现象描述精准命中几个代码块
对AI的编码规范进行约束
YOLO26算法车道线检测+训练好的模型+360张数据集+pyqt可视化界面.zip
附训练好的 YOLO 权重与 PyQt 可视化检测界面,页面底部含可视化效果预览,毕设/课设开箱即用。 【数据集概况】 · 检测类别(中文):[未获取()] 【训练曲线与评估图】 【模型训练配置】 参数 | 值 模型 | yolo26n 训练轮数 | 100 epochs 输入尺寸 | 640x640 批次大小 | 24 优化器 | auto 初始学习率 | 0.01 训练设备 【关键指标汇总】 训练了 55 个 epoch,最终轮指标: 指标 | 数值 mAP50 | **0.9512** mAP50-95 | 0.6746 Precision | 0.8796 Recall | 0.8825 train/box_loss | 0.8608 train/cls_loss | 0.7232 val/box_loss | 0.9955 val/cls_loss | 0.5511 【训练过程分析】 这轮训练我经历了从初始到稳定的曲折过程。前 20 个epoch,loss 曲线呈现了陡峭的下降趋势,mAP50 指标从 0.8 开始逐步攀升,仿佛在寻找一个合适的平衡点。然而,从第 21 个epoch 开始,mAP50 的提升速率显著放缓,整体曲线显得有些曲折,有时甚至停滞不前,让我一度以为训练出现了问题。直到第 35 个epoch,loss 开始逐渐趋于平稳,这标志着模型已经找到了一个较好的收敛区间。到了最后的 20 个 epoch,尽管 mAP50 依旧在稳步上升,但提升幅度已经不大,这意味着模型已经接近其性能天花板。 在这个过程中,我重点关注了 box_loss 和 cls_loss 的变化。初期阶段,box_loss 快速下降,从 0.9 逐渐降至 0.86,而 cls_loss 则从 0.75 逐步下降至... 使用场景:毕业设计、课程设计、深度学习入门、工业场景落地验证。
syslog_test.py
syslog_test.py


下载资源悬赏专区

