OpenCV 4.3 来了！功能增加，性能加速，例程更丰富～

这是OpenCV每年例行发布的春季版，DNN模块依旧是开发重点，官方一直在进行深度学习推理功能的完善和例程的丰富，另外社区也贡献了不少亮点，我们一起来看看吧！

DNN模块改进

1. 网络结构支持：

1) 新增了对 ONNX 中 LSTM, Broadcasting, Algebra over constants, Slice with multiple inputs 的支持；

2) 新增了对 DarkNet 中 grouped convolutions, sigmoid, swish, scale_channels的支持

3）新增了对MobileNetV3-SSD目标检测网络的支持；

2. Intel 推断引擎OpenVINO™ 的支持：

1) 新增使用nGraph OpenVINO API进行自定义神经网络层；

2) 切换成默认使用nGraph OpenVINO API（nGraph为Intel自家的深度学习底层库）；

新增DNN例程

1. 新增人体解析（服饰分割）例程Clothes parts segmentation，

位于：samples/dnn/human_parsing.py

2. 虚拟试衣例程CP-VTON，

出自中山大学和商汤科技ECCV2018的论文Toward Characteristic-Preserving Image-basedVirtual Try-On Network。

位于：samples/dnn/virtual_try_on.py

3. 新增DaSiamRPN目标跟踪例程，

算法出自中科院和商汤科技ECCV2018的论文Distractor-aware Siamese Networks for Visual Object Tracking。

位于：samples/dnn/DaSiamRPN_visual_tracker.py

性能加速

1. OpenCV DNN ARM 加速：

合并了来自中国的OPEN AI LAB团队使用 Tengine 对OpenCV DNN 在ARM指令集的加速。而且加速非常客观！

具体使用方法参见：

https://github.com/opencv/opencv/wiki/Tengine-based-acceleration

2. CPU 优化的 IPP-ICV 库更新到2020.0.0 Gold版；

主模块的integral, resize 和opencv_contrib中的RLOF进行SIMD优化；

新增功能模块

1. opencv_contrib新增Alpha Matting （扣像）模块，目前该模块只实现了一个算法，来自CVPR 2019 的 Designing Effective Inter-Pixel Information Flow for Natural Image Matting，给定图像和与其对应的trimap，计算扣像结果。

2. opencv_contrib新增了rapid模块，用于基于轮廓的3D目标跟踪，实现BMVC1990论文RAPID-a video rate object tracker；

功能提升

1. calib3d模块更新了查找棋盘格角点的 findChessboardCornersSB 函数，和文档；

2. imgproc 模块函数霍夫变换进行圆检测的HoughCircles() 新增了HOUGH_GRADIENT_ALT 实现，显著提高圆检测的召回率和精度，值得一试！

3. imgcodecs 模块新增了OpenJPEG 的初始支持，以往OpenCV中巨常用的I/O函数imread 和imwrite使用的是开源工程jasper，但该工程已经年久失修被曝出有多处安全漏洞，且多年未更新了，OpenJPEG作为JPEG2000格式图片官方推荐软件，被引入OpenCV，是对数百万开发者和其后广大最终用户的负责；

4. highgui(Qt)模块新增复制到剪贴板的功能；

5. DNN模块改进了对TensorFlow, Darknet 和 ONNX 模型导入的功能；

6. opencv_contrib中的局部特征SIFT检测子默认在编译时打开，因为其专利过期了！后续官方还要将其挪入主模块；

一代传奇 SIFT 算法 专利到期！

OpenCV已经陪伴开发者20年了！今夏将发布5.0版，4.3 也许是OpenCV 4的最后一版了，有你期待的功能吗？赶紧下载尝鲜吧！

发布地址：

https://github.com/opencv/opencv/releases