GPU加速的计算机视觉学习资源下载

点击我爱计算机视觉标星，更快获取CVML新技术

今天跟大家介绍一本学习CUDA加速的OpenCV的新书《Hands-On GPU-Accelerated Computer Vision with OpenCV and CUDA》。

文末附pdf、code、video下载。

计算机视觉是典型的计算密集型应用，长久以来OpenCV的开发都绕不开加速，降低算法复杂度、开发易于并行的算法、榨干硬件的计算能力（利用GPU、FPGA等）在实际应用场景中非常重要。

在OpenCV 3的时代，CPU指令级（SSE、AVX、NEON）、CUDA、OpenCL均被支持，甚至官方有过Halide语言（一种专门设计为利用各种硬件加速视觉算法运行的语言）尝鲜。

在刚刚发布的OpenCV 4中（

千呼万唤始出来，OpenCV 4.0正式发布！

），CUDA已被移出主模块，不得不说很遗憾。

当然支持CUDA 的OpenCV 3会一直可以使用的，毕竟背后有NVIDIA的支持。

比较尴尬的是，除了官方文档，业内一直没有特别适合的为初学者准备的GPU加速的CUDA OpenCV教程。

不过今年9月份，Packt出版社的新书《Hands-On GPU-Accelerated Computer Vision with OpenCV and CUDA》，则提供了一套由浅入深的CUDA OpenCV开发教程，值得相关工程技术人员、学生学习。

该书作者Bhaumik Vaidya博士称，在计算机视觉中，经常需要实时处理大量图像，这对于仅能利用CPU的OpenCV往往很难处理。但这却是CUDA的亮点，它可以允许OpenCV利用功能强大的NVDIA GPU。而本书详细介绍了如何将OpenCV与CUDA集成到实际应用中。

该书适合对OpenCV有一定了解，但对CUDA OpenCV的开发并不了解的读者，该书作者称：

“如果您是OpenCV的开发人员并希望学习如何通过利用GPU来处理更复杂的图像数据，那么本书是您的首选指南。 而学习本书前，最好需要全面了解计算机视觉概念和编程语言，如C ++或Python。”

该书共计12章，涵盖以下内容：

1.了解如何从CUDA程序访问GPU设备属性和功能；

2.了解如何加快搜索和排序算法；

3.检测图像中的线条和圆形等形状；

4.使用算法探索对象跟踪和检测；

5.在Jetson TX1中使用不同的视频分析技术处理视频；

6.从PyCUDA程序访问GPU设备属性；

7.了解内核执行的工作原理。

每章均配有代码，并录制了10个视频教程。

作为该领域最新的相关开发教程，非常值得参考。

资源下载

https://github.com/PacktPublishing/Hands-On-GPU-Accelerated-Computer-Vision-with-OpenCV-and-CUDA

加群交流

关注计算机视觉与机器学习技术，欢迎加入52CV群，扫码添加52CV君拉你入群（请务必注明:加群）：

（不会时时在线，如果没能及时通过验证还请见谅）

【点赞与转发】就是一种鼓励