当前位置:首页 > 天道酬勤 > 正文内容

极速精简版4.0(工业4.0是基于)

张世龙2021年12月20日 19:54天道酬勤320

2015年6月,OpenCV 3.0发布。 时隔三年半,OpenCV 4.0终于发布了。 至此,OpenCV已经过去了近18年。 OpenCV是英特尔的开源跨平台计算机视觉库。 也就是说,这是一个包含从图像预处理到预训练模型调用等众多视觉API的库,可以处理图像识别、目标检测、图像分割和行人重新识别等主要视觉任务。 OpenCV最突出的特征是提供了整个过程的工具,因此无需了解各个模型的原理就可以用一个API构建视觉任务。

OpenCV使用BSD许可证,因此对研究和商业用途是免费的。 它具有c、Python和Java接口,并支持Windows、Linux、Mac OS、iOS和安卓系统。 OpenCV的目的是提高计算效率,集中精力进行实时APP。 用优化的C/C编写,可以利用多核处理。

另外,由于OpenCL的加持,OpenCV可以利用基础异构计算平台的硬件加速。 其GitHub页面有“open_model_zoo”库,包括大量的计算机视觉预训练模型,提供下载方法,加速开发和产品导入流程。 OpenCV应用广泛,目前用户社区有4.7万用户,下载量约1400万人。

OpenCV是CV领域开发者和研究者的必备工具包,可以说Mask-RCNN等众多开源项目依赖于该工具包。 从3.0版至今,已经过去了三年多。 最近发布了opencv 4.0最终版本。 进一步完善了核心接口,增加了二维码检测器、ONNX转换格式等新功能。

重要更新:

OpenCV 4.0现在是C 11库,需要与C 11兼容的编译器。 所需的CMake至少是3.5.1版。 从OpenCV 1.x中删除大量的C API。 由于core模块中的持久性(用于存储和加载XML、YAML或JSON格式的结构化数据)完全可以在c中重新实现,因此这里的C API也将被删除。 添加了新模块G-API,可以作为基于图的高效图像处理过程。 dnn模块包含实验用Vulkan后端,支持ONNX形式的网络。 实现了受欢迎的Kinect Fusion算法,对CPU和GPU(OpenCL )进行了优化。 objdetect模组中增加了二维码检测器和解码器。 将高效、高质量的DIS高密度光流算法从opencv_contrib移动到视频模块。 另外,OpenCV 4.0支持Mask-RCNN模型,性能也得到提高,图像处理操作的速度提高了15%-30%。

OpenCV和深度学习

OpenCV 4.0更新增强了DNN模块,并添加了支持ONNX交换格式的神经网络。 这表明OpenCV非常重视与深度学习的关系。 其实从OpenCV 3.1开始,就包含了通过Caffe等深度学习框架实现事先训练过的深度网络前方传播的DNN模块。 在OpenCV 3.3中,DNN模块从opencv_contrib迁移到核心代码库,实现了大幅的高速化。

更重要的是,除了libprotobuf之外,OpenCV的DNN模块不包含其他依赖关系,而libprotobuf现在包含在OpenCV中。 以下是目前OpenCV支持的一些框架。

咖啡TensorFlow火炬网ONNX交换格式的模型是目前OpenCV支持的深度学习层次函数:

ABS VALAV-AVALAVER AGE Pooling Batchnormalization级联卷积(包括扩展卷积) )作物反向卷积是倒置卷积或完全卷积检测输出(SSD特定层) ELT wise (SSD特定层), * *、 max ) fullyconnectedlrnlstmmaxpoolingmaxunpoolingmvnnormalizebbox (SSD固有层)填充替换功率PReLU (包括具有特定信道梯度的ChannelPReLU ) priorbox 对于网络层,该DNN模块包含SSE、AVX、AVX2和NEON等基础加速库,也有持续优化的Halide后端。

在这里可以找到最新的基准测试结果。 https://github.com/opencv/opencv/wiki/dnn -高效能

单张图像前方传播的中位最佳时间(以毫秒为单位,根据CPU通过float32计算)。

以下网络经过测试,证明是可行的。

alexnetgooglenetv1(也称为inception-5h (基于resnet-34/50/. squeezenetv 1.1 vgg的FCN )语义分割网络)轻量语义

扫描二维码推送至手机访问。

版权声明:本文由花开半夏のブログ发布,如需转载请注明出处。

本文链接:https://www.zhangshilong.cn/work/25840.html

分享给朋友:

发表评论

访客

看不清,换一张

◎欢迎参与讨论,请在这里发表您的看法和观点。