计算机视觉和机器学习软件:OpenCV有多酷?

磐创AI

    
    在过去的几年里,深度学习已经成为人工智能领域发展最快的领域之一,它已经取得了显著的成果,特别是在计算机视觉领域中。
    例如,自动驾驶汽车,使计算机用接近人类的能力来识别物体。工程界对OpenCV的评价非常高,因为它包含了最先进的计算机视觉和机器学习算法。
    当深度学习技术部署到机器和物联网设备中时,你将运行预先训练的深度学习模型。世界级的计算机视觉软件和运行深度学习模型的能力,都是在廉价的硬件上实现的。
    
    OpenCV是一个开源的计算机视觉和机器学习软件库,它可能是目前最流行的计算机视觉软件,该库有超过2500个优化算法,其中包括经典和最先进的计算机视觉及机器学习算法,这些算法可以用来检测和识别人脸,识别物体,对视频中的人类行为进行分类,跟踪摄像机运动和移动物体等。
    OpenCV是用C++编写的,你也可以为OpenCV使用Python包装器。OpenCV还具有与Java和MATLAB的接口,并且受Windows、Linux、Android和macos的支持。
    
    OpenCV神奇的深度学习
    OpenCV的深度学习模块被称为DNN,现在DNN模型并不是一个成熟的深度学习框架。
    DNN没有反向传播,所以我们无法使用它训练任何深度学习网络。我们可以获取一个输入数据,通过之前训练过的深度神经网络模型,然后进行前向计算得到输出结果。
    这就是所谓的推理。在深度学习术语中,这意味着只有前向传播。
    
    只有前向传播也有好处,这会使得代码更简单,深度学习网络的安装和组装速度更快,在CPU上也足够快。DNN模块的OpenCV支持Caffe、TensorFlow、Torch、Darknet和ONNX格式的模型。由于OpenCV的深度神经网络实现不依赖于一个框架,因此没有框架的限制。
    另一个优点是,由于这是模型的内部表示,因此OpenCV开发人员可以有办法来优化和加速代码。随着OpenCV实现了自己的深度学习实现,这将外部依赖性降低到最低。一个简单的推理机将简单地通过网络传递输入数据来得到输出结果。
    
    
    1  2  下一页>