专栏首页CVerOpenCV 4.0 内测版来了!

OpenCV 4.0 内测版来了!

前戏

各位CVers,OpenCV 4.0内测版(Alpha)来了!

也许你是从OpenCV2.4.x系列入门,还是从OpenCV3.x系列入门,对OpenCV一定会留下一个印象:卧槽,太强大了吧!

Follow OpenCV很久了,特别是对于OpenCV 4.0的期待感!很多人可能还在用OpenCV2.4.9, OpenCV2.4.13或者OpenCV3.1, OpenCV3.2,还有很多人没有尝试过OpenCV3.3。

没关系,不要担心OpenCV各个版本兼容问题,OpenCV每次更新,除了修复Bug外,就是添加新算法和优化了。不像TensorFlow、PyTorch等,可能还要重新改代码。

为什么要强力推荐OpenCV4.0?

不仅因为添加了很多新算法(如GMS、EAST、CSR-DCT),而且越来越强大的DNN module让人血脉喷张!

一幅图像,让你了解一下OpenCV集成了多少种目标检测算法:

比如:利用OpenCV玩转YOLOv3

OpenCV 4.0 Alpha

前戏太长,下面说重点!

OpenCV4.0 Alpha正式发布!为什么说是Alpha,也就是内测版呢?

因为OpenCV4.0 正式版因为版本稳定性问题,未能如期发布,这不为了安抚大家,release OpenCV 4.0让各位CVer 尝尝鲜。

来看看OpenCV 4.0 Alpha有哪些新 feature!

首先,4.0 alpha包括3.4分支的所有最新改进,优化和 Bug修复。尤其是:

  • ONNX解析器已添加到OpenCV DNN模块中。它支持各种分类网络,如AlexNet,Inception v2,Resnet,VGG等。还支持 tiny YOLO v2对象检测网络。
  • 其他一些显著的DNN改进:
    • Mask RCNN 支持和示例
    • Faster R-CNN:使用Intel Inference Engine(英特尔OpenVINO的一部分)加速
    • 基于OpenCL backend的几个稳定性改进。
  • 快速QR码检测器(detector)(Core i5 desktop的~80FPS @ 640x480分辨率)。官方计划在OpenCV 4.0正式版中添加QR码解码器(decoder),以便有一个完整的解决方案。
  • 通过所谓的“wide universal intrinsics”不断扩展SSE4,AVX2和NEON优化内核集。

此外,OpenCV 4.0 alpha包含一些独有的功能,例如:

  • OpenCV现在是基于C ++ 11库,它需要符合C ++ 11标准的编译器。因此,默认情况下可以使用一些很好的功能,例如parallel_for和lambda函数,方便迭代cv :: Mat,初始化cv :: Mat,通过列出它的元素等。
  • 标准的std :: string和std :: shared_ptr取代了手工制作的cv :: String和cv :: Ptr。我们的parallel_for现在可以使用std :: threads pool 作为后端。
  • OpenCV 1.x的旧版C API(使用CvMat,IplImage等)被部分排除在外;cleanup 应该主要由OpenCV 4.0 正式版完成。
  • 添加了基本的FP(float point)16支持(添加了新的CV_16F类型)。
  • CPU和GPU加速的KinFu实时三维密集重建算法已包含在opencv_contrib中。
  • HPX parallel backend(感谢Jakub Golinowski)
  • 新的chessboard detector(棋盘探测器)(感谢Alexander Duda)

总的来说,OpenCV 4.0 alpha版本包括85个补丁,包括来自3.4分支的28个大规模合并请求。

请注意,尽管OpenCV 4.0内测版本应该非常稳定,但在最终4.0版本之前,OpenCV API和实现方面的一些变化尚未完成。

预告:OpenCV玩转Mask R-CNN

看完上面对OpenCV 4.0内测版的介绍,是不是很激动,是不是要快速上手尝试呀!

别着急,Amusi给大家划一下重点,并介绍个重磅消息。

重点如下:

  • OpenCV更快了(利用C++ 11特性)
  • OpenCV更强大了(融入更多算法)
  • OpenCV更深了(DNN module威武)

其实一周前,Amusi 就已经上手玩了一下OpenCV中的Mask R-CNN。代码+预训练模型,Amusi都已经拿到,亲测效果不错。如下图所示:

是不是很强大!分类、目标检测、语义分割已经不能满足OpenCV了,这边实例分割Mask R-CNN都集成了,而且效果还很棒!

因为时间问题,之后会陆续更新OpenCV相关文章,如OpenCV玩转Mask R-CNN,还请大家继续关注CVer,敬请期待!

注:OpenCV 4.0正式版将于2018年10月底强势发布,希望不要跳票哦!

参考:

https://opencv.org/opencv-4-0-0-alpha.html

https://github.com/opencv/opencv/wiki/ChangeLog#version400

本文分享自微信公众号 - CVer(CVerNews)

原文出处及转载信息见文内详细说明,如有侵权,请联系 yunjia_community@tencent.com 删除。

原始发表时间:2018-09-23

本文参与腾讯云自媒体分享计划,欢迎正在阅读的你也加入,一起分享。

我来说两句

0 条评论
登录 后参与评论

相关文章

  • 5G时代,为什么主流大厂纷纷布局这项技术?

    导读:深度学习技术已经在互联网的诸多方向产生影响,每天科技新闻中关于深度学习和神经网络的讨论越来越多。深度学习技术在近两年飞速发展,各种互联网产品都争相应用深度...

    华章科技
  • AI新威胁:神经网络后门攻击

    人工智能是如今备受关注的领域,随着人工智能技术的快速发展,基于深度学习模型的应用已经进入了我们的生活。伴随着神经网络的发展和应用的普及,深度学习模型的安全问题也...

    绿盟科技研究通讯
  • XAI系列二:模型可解释性技术概览

    传统网络安全威胁分析依赖专家知识及基本的数据分析,然而随着攻击技术的复杂化、安全数据接入的多元化,高性能人工智能技术越来越多的应用到威胁分析中,试图解放安全行业...

    绿盟科技研究通讯
  • Graph Mining:审视世界的眼睛

    注:本文内容是是笔者尝试从多年的安全分析经验中抽取图相关的内容总结和外延而来,不求全面深入,但求分享切身体会。

    绿盟科技研究通讯
  • 【技术分享】随机森林分类

    Bagging采用自助采样法(bootstrap sampling)采样数据。给定包含m个样本的数据集,我们先随机取出一个样本放入采样集中,再把该样本放回初始...

    腾讯智能钛AI开发者
  • 后深度学习时代的一大研究热点?论因果关系及其构建思路

    尽管机器学习在现阶段取得了很大成功,但是相比于动物所能完成的工作,机器学习在动物擅长的关键技术上表现不尽人意,比如问题迁移能力、泛化能力以及思考能力,因为机器学...

    AI科技大本营
  • 特征工程|空间特征构造以及文本特征构造

    关于作者:JunLiang,一个热爱挖掘的数据从业者,勤学好问、动手达人,期待与大家一起交流探讨机器学习相关内容~

    石晓文
  • 一文看尽16篇目标检测最新论文(ATSS/MnasFPN/SAPD/CSPNet/DIoU Loss等)

    半个月前 Amusi 整理了 目标检测(Object Detection)较为值得关注的论文:

    Amusi
  • 深入理解卷积神经网络中的卷积

    小白也能看懂的TensorFlow上手系列 作者 | Divyanshu Mishra

    磐创AI
  • 性能分析之分析决策树3与4

    当物理内存不够时,linux 触发oom,将进程杀掉;可以使用vmstat可以展现给定时间间隔的服务器的状态值,包括Linux的CPU使用率,内存使用...

    高楼Zee

扫码关注云+社区

领取腾讯云代金券