炼数成金 门户 商业智能 深度学习 查看内容

千呼万唤始出来,OpenCV 4.0正式发布!

2018-11-21 10:00| 发布者: 炼数成金_小数| 查看: 15987| 评论: 0|来自: 我爱计算机视觉

摘要: OpenCV 4.0 正式版来啦!虽然官网还没更新,但Github已经放出来了!因为OpenCV最开始开发时的语言是C,导致许多模块无法利用C++ 11的良好特性,OpenCV 4.0版本的一个重要使命就是去除C语言风格的接口,使其完全支持C ...

网络 模型 OpenCV C++ GPU github

OpenCV 4.0 正式版来啦!虽然官网还没更新,但Github已经放出来了!

重回英特尔的OpenCV终于迎来一次大版本更新,增加了诸多新特性,快来一起看看吧~


因为OpenCV最开始开发时的语言是C,导致许多模块无法利用C++ 11的良好特性,OpenCV 4.0版本的一个重要使命就是去除C语言风格的接口,使其完全支持C++ 11!

1.大量从OpenCV 1.x遗留的C语言分割的API接口被删掉,主要影响的模块是objdetect, photo, video, videoio, imgcodecs, calib3d。

2.在core模块中的持久化(在XML,YAML或JSON中存储和加载结构化数据)已用完全用 C ++ 重新实现,并去除了相应的 C 风格的接口。 目前,base64支持尚未完成(仅支持加载base64编码的XML和YAML,还未支持编码)。 现在,存储在FileNode中的序列的随机访问是O(N)操作; 使用cv :: FileNodeIterator能够更快地进行顺序访问。 速度上,FileStorage的加载比以前的实现少了3-6倍的内存!

3.编译新版OpenCV现在需要支持 C++ 11 的编译器。


DNN(深度神经网络)模块是目前OpenCV更新最重要的模块!
1.增加Mask-RCNN模型支持。
其使用指南:
https://github.com/opencv/opencv/wiki/TensorFlow-Object-Detection-API
Python例子:https://github.com/opencv/opencv/blob/master/samples/dnn/mask_rcnn.py
52CV曾经报道过的例子:
OpenCV4.0 Mask RCNN 实例分割示例 C++/Python实现

2.集成ONNX解析器。 支持多个流行的分类网络。 部分支持YOLO对象检测网络(YOLO的ONNX版本缺少一些提供矩形列表的最终图层)。

3.通过引入Intel DLDT 改进DNN模块速度。
Intel DLDT近期已经开源,相见:
https://software.intel.com/openvino-toolkit

4.API更改:默认情况下,blobFromImage方法不会交换R和B通道,也不会对输入图像进行裁剪。 而且,此API更改也已添加到OpenCV 3.4分支。

5.为不支持OpenCL而支持Vulkan的硬件平台添加了实验性质的Vulkan后端(还在开发中!不建议大家使用——52CV君)。

6.为OpenCV支持的最流行的深度学习网络添加了快捷方式。 可以通过指定模型的别名,跳过预处理参数甚至模型的路径!
比如:

python object_detection.py --model opencv_face_detector.caffemodel --config opencv_face_detector.prototxt --mean 104 177 123 --width 300 --height 300

可以直接被替代为:
python object_detection.py opencv_fd

7.修复了AMD和NVIDIA GPU上的OpenCL加速。 现在,可以为模型启用DNN_TARGET_OPENCL,开启OpenCL支持。 请注意,DNN_TARGET_OPENCL_FP16仅在英特尔GPU上进行测试,因此仍需要额外的flags。(这个善意的提醒也就意味着你较好不要用那两家的显卡玩OpenCV


G-API为算法的硬件优化加速提供计算图支持!

opencv_gapi是全新添加的模块, 它是非常有效的图像处理引擎。开发者可以在程序中定义多个图像处理步骤组成的图,执行的时候进行优化,使得fast and portable。

非常看好这一模块的应用!


“加速”是OpenCV开发永恒不变的主题!

每次发布这块的说明都差不多,总结起来就是一句话:
我们很努力地给你们在CPU的指令级上进行了加速,只要是支持该指令的CPU尽量让你们用上,而且我们还支持NEON了哦~


objdetect模块新增QR码的检测和解码!

因为这个功能在移动端几乎成为APP的标配了。

参考例子:
https://github.com/opencv/opencv/blob/master/samples/cpp/qrcode.cpp

52CV曾经对检测功能进行了测试:
OpenCV4.0 快速QR二维码检测测试示例


实现了流行的Kinect Fusion算法!

并针对CPU和GPU(OpenCL)进行了优化,集成到opencv_contrib / rgbd模块中。 为了使实时采集处理有高效,在opencv / videoio模块中更新了Kinect 2支持。 在4.0 beta版本中,iGPU的代码已经加速,在高分辨率的情况下(512x512x512 integration volume),性能提升了3倍。 


非常高效且高质量的DIS密集光流算法已经从opencv_contrib转移到opencv/video模块。 

示例:
https://github.com/opencv/opencv/blob/master/samples/cpp/dis_opticalflow.cpp

这还是比较赞的,之前OpenCV的光流模块相比学术界的成果实在是太弱了。

总结
新版OpenCV更加聚焦图像处理基础功能和深度学习模块!英特尔自家的加速库和G-API是值得表扬的亮点!

声明:文章收集于网络,如有侵权,请联系小编及时处理,谢谢!

欢迎加入本站公开兴趣群
商业智能与数据分析群
兴趣范围包括各种让数据产生价值的办法,实际应用案例分享与讨论,分析工具,ETL工具,数据仓库,数据挖掘工具,报表系统等全方位知识
QQ群:81035754
1

鲜花

握手

雷人

路过

鸡蛋

刚表态过的朋友 (1 人)

相关阅读

最新评论

热门频道

  • 大数据
  • 商业智能
  • 量化投资
  • 科学探索
  • 创业

即将开课

 

GMT+8, 2018-12-15 14:17 , Processed in 0.147245 second(s), 25 queries .