OpenCV4.4刚刚发布！支持YOLOv4、EfficientDet检测模型，SIFT移至主库！
OpenCV4.4刚刚发布！支持YOLOv4、EfficientDet检测模型，SIFT移至主库！
先说一句：OpenCV 5 已经在路上了！
前言
OpenCV 4.4.0 于2020年7月18日正式发布，不得不说OpenCV 作为最大开源的图像处理工具，提供的内容太全面了，对小白友好度很高。不仅算法众多，而且文档、源码、各平台下的SDK都极易获取/访问。
https://opencv.org/releases/
OpenCV 4.4.0 亮点精选：
- SIFT 迁移至主库（因为SIFT专利过期）
- 支持YOLO v4
- 支持EfficientDet
OpenCV 4.4.0
一、SIFT
SIFT（尺度不变特征变换）算法已移至主库（因为SIFT的专利已过期）。
SIFT 算法在谷歌学术上引用量已高达 19339 + 57536
很多刚入门CV的同学，应该对传统算法不太熟悉。像SIFT（1999年出现，2004年完善）在传统图像处理中的地位应该就像深度学习中的ResNet一样（比喻可能不太恰当），主要用来做特征点检测与描述，可以扩展应用于图像匹配、三维重建、图像拼接等任务。
SIFT 中的金字塔思想，现在也被很多CNN网络参考和借鉴，主要用于解决 scale（尺度）问题。
多说一句，SIFT是否过期其实对学生来说，意义不大，因为本身就是可以用于学术研究，而且之前在non-free模块中也可以快速使用；但对于企业级商业应用来说，意义还是很大的。
二、DNN模块
改进 layers/激活/支持更多模型。
注：OpenCV中的DNN模块大多数是用于inference，因为其并不是担任深度学习框架的角色，所以大多数模型并非首发，而是支持。
2.1 支持最新的YOLO v4
因为原版YOLOv4就是基于C语言开发的，所以迁移到OpenCV中相比较并不是特别难的事情，所以时隔3个月，OpenCV就快速支持了YOLOv4。
2.2 支持EfficientDet
谷歌家的EfficientDet 没话说，性能强悍，mAP和FPS的表现都很赞。
EfficientDet
2.3 支持FlowNet2
FlowNet2 是基于深度学习的光流估计网络，早期开源的版本就是基于Caffe框架的，现在终于迁移过来了。
FlowNet2
除了上述更新之外，DNN模型还有如下更新：
- ONNX：添加对Resnet_backbone（Torchvision）的支持
- 添加文本识别新示例
- 增加了对OpenVINO 2020.3 LTS / 2020.4版本的支持
- CUDA后端中的许多修复和优化
三、G-API模块
- 在 OpenCV后端引入了用于状态内核的新API：GAPI_OCV_KERNEL_ST。有状态内核在各个图执行或流的视频帧之间（以流模式）保留其状态。
- 在G-API中引入了更多面向视频的操作：goodFeaturesToTrack，buildOpticalFlowPyramid，calcOpicalFlowPyrLK。
- 添加了更多的图像处理内核：Laplacian和双边 filters。
- 修复了 G-API的 OpenCL后端中的潜在崩溃。
四、社区贡献
OpenCV社区的许多其他伟大贡献，包括但不限于：
- Obj-C / Swift绑定
- （opencv_contrib）Julia绑定是正在进行的GSoC项目的一部分
- （opencv_contrib）BIMEF：生物启发的多重曝光融合框架，用于弱光图像增强
- Otsu 阈值化支持 CV_16UC1图像
- 为文本检测添加笔画宽度变换(Stroke Width Transform,SWT)
贡献者：
- opencv：105位
- opencv_contrib：27位
下载
在CVer公众号后台回复：OpenCV书籍，即可下载《Learning OpenCV 3》书籍。注：这本书是由OpenCV发起者所写，是官方认可的书籍。其中涵盖大量图像处理的基础知识介绍，虽然API还是基于OpenCV 3.x，但结合此书和最新API，可以很好的学习OpenCV。
