OpenCV 4.3.0 發布,OPEN AI LAB Tengine 與OpenCV合作共同加速...

2021-01-07 中國軟體網
老牌跨平臺計算機視覺庫OpenCV 4.3.0新版本正式發布了!這個版本的一個大看點是：OpenCV的深度學習模塊DNN在Arm CPU 上性能顯著提升。這一提升是由OpenCV中國團隊攜手OPEN AI LAB(開放智能)共同完成!

下圖展示了Arm CPU上提速情況，可以看出速度最快可以翻倍!使用Arm平臺開發產品的工程師，可以降低產品的硬體成本了!

這個提速是由Tengine實現的，OpenCV可無縫調用Tengine。Tengine是OPEN AI LAB(開放智能)自主智慧財產權的商用級AIoT智能開發平臺，針對於嵌入式終端平臺以及終端AI應用場景特點，採用模塊化設計為終端人工智慧量身打造的高效、簡潔、高性能的前端推理計算框架，是Arm CPU上深度學習框架的最佳選擇。據CSDN發布的最新數據，在國產AI開發工具中，Tengine成為國內AI開發者最受歡迎的AI工具框架。

OpenCV是一個基於BSD許可(開源)發行的跨平臺計算機視覺庫，可以運行在Linux、Windows、Android和Mac OS作業系統上。它輕量級而且高效——由一系列 C 函數和少量 C++ 類構成，同時提供了Python、Ruby、MATLAB等語言的接口，實現了圖像處理和計算機視覺方面的很多通用算法。

此次發布Tengine作為OpenCV的一部分，讓OpenCV開源社區生態更全面和豐富，同時也讓Tengine能夠面向更廣泛的全球開發者。從產業角度看，這次合作也將推動AI賦能產業的步伐，進一步加快AIoT行業智能化建設節奏。這也是Tengine全球化開源進程邁出的重要一步!

在OpenCV後續官方版本中， Tengine和OpenCV團隊將進一步協作，進行性能優化和功能升級，敬請期待!

關於OpenCV

OpenCV於1999年由Intel建立，是最受歡迎的計算機視覺庫之一。OpenCV中國團隊於2019年9月由深圳市人工智慧與機器人研究院支持成立，是一個非營利目的團隊，致力於OpenCV的開發、維護和推廣工作。

關於OPEN AI LAB

OPEN AI LAB(開放智能)於2016年成立，公司專注邊緣智能計算及應用，致力於推動晶片及算力、算法、工程產品化、行業應用等完整產業鏈的深度協作，加速人工智慧產業化部署和場景的邊界拓展，賦能場景化細分行業快速實現+AI。為AIoT產業上下遊合作夥伴提供端、邊、雲一體化人工智慧基礎軟硬體開發平臺及應用級解決方案。

OpenCV4.3.0 Change Logs

https://github.com/opencv/opencv/wiki/ChangeLog#version430

點擊閱讀原文獲取Tengine開源版本

https://github.com/OAID/Tengine

開發者技術交流群人數突破千

(群號：829565581)，

群裡各位大佬坐鎮，

日常技術討(shui)論(qun)，

期待你的加入~~




免責聲明：

本站系本網編輯轉載，會儘可能註明出處，但不排除無法註明來源的情況，轉載目的在於傳遞更多信息，並不代表本網贊同其觀點和對其真實性負責。如涉及作品內容、版權和其它問題，請在30日內與本網聯繫， 來信: liujun@soft6.com 我們將在收到郵件後第一時間刪除內容！

[聲明]本站文章版權歸原作者所有，內容為作者個人觀點，不代表本網站的觀點和對其真實性負責，本站擁有對此聲明的最終解釋權。

相關焦點

  • 【走進OpenCV】學習Opencv不得不掌握的操作
    本文主要借鑑Madcola發布在簡書上的文章，轉載請聯繫原作者，禁止二次轉載。>    Mat img1(2, 2, CV_8UC3, Scalar(0, 0, 255));    cout << img1 << endl;    int sz[3] = { 2,2,2 };    Mat img2(3, sz, CV_8UC1, Scalar(0, 0, 0));        Mat img5;
  • 給OpenCV初學者的禮物——OpenCV人臉檢測入門教程
    本文的參考文檔見https://docs.opencv.org/4.0.1/d1/dfb/intro.html圖像的基本操作對於人類來說，圖像可以解構為畫面結構、色彩和非常豐富的意象。你可以把它解構為各種色塊或線條，然後用故事性的語言把這幅圖像存在腦海裡。
  • Qt5.12.2+Opencv4.2配置動態連結庫以用Qt調用Opencv進行創作
    一、軟體準備1、QT: 5.122、Opencv 4.23、CMAKE 3.17二、軟體安裝及環境變量配置1、Qtl 然後點擊下一步l 選擇安裝文件夾，默認為C盤，由於文件太大建議安裝到其他盤，選擇好安裝路徑後點擊下一步l 選擇如下組件：Qt5.12.2中的MinGW7.3.0
  • OpenCV入門及應用案例:手把手教你做DNN圖像分類
    本書的代碼分析、示例程序及環境搭建基於OpenCV 4.1版本，原始碼位於GitHub的OpenCV倉庫。01 OpenCV庫OpenCV由各種不同組件組成。OpenCV原始碼主要由OpenCV core（核心庫）、opencv_contrib和opencv_extra等子倉庫組成。
  • opencv學習記錄1——視頻讀取與寫入
    按照我的視頻資源和opencv官方文檔，我將整個學習計劃劃分為如下模塊：1：圖像基本處理2：特徵提取與檢測3：圖像分割4：級聯分類器訓練與使用5：視頻分析與對象跟蹤6：深度學習網絡7：相機標定和3D重建（SLAM）以上是我在結合一些參考資料和自己的需求劃分出來的學習模塊
  • Win7-64+Anaconda3+Python3.7+pycharm+OpenCV3.4.9.33—opencv安裝
    Win7 64環境下+Anaconda3-2020.02+Python3.7+ pycharm-community-2020.1.1+OpenCV3.4.9.33環境搭建——opencv介紹Win7 64下opencv_python-3.4.9.33-cp37-cp37m-win_amd64
  • python+opencv實現車牌識別
    文章目錄：一、前言二、訓練分類器2.1、準備訓練用單字符圖片2.2、圖片預處理2.3、用opencv的preprocess_hog()處理圖片2.4、用SVM訓練分類器三、車牌定位四、字符分割五、字符識別六、Mysql保存七、總結八、參考資料一、 前言：最近一直在學習機器學習，花了段時間把《機器學習實戰》(【美】Peter Harrington著
  • OpenCV 強大的開源計算機視覺庫
    OpenCV3~$ docker pull spmallick/opencv-docker:opencv-3.4.1   docker run --device=/dev/video0:/dev/video0
  • 如何快速簡單的安裝opencv-python
    安裝環境（python3.6+Win10）下載安裝python3.6.8https://www.python.org/downloads/windows/最新版本為4.1.1 ----2019-8-28在opencv-contrib-python 版本中含有額外模塊（ Extra modules ），而 opencv-python 版本中只含有基礎模塊。
  • Python 圖像處理 OpenCV (1):入門
    /官方 Demo ：https://github.com/opencv/opencv/blob/master/samples/python圖書推薦圖書的話我就推薦一本吧，如果要看書學習絕對不能錯過的「Learning OpenCV 3」，當然，是英文原版的，中文版的話翻譯有點慘不忍睹，對英文閱讀壓力大的同學可以中英文對照著看：
  • OpenCV 之 直方圖處理
    r(k) n(k) P(rk) r(0) = 0 790　 0.19 r(1) = 1 1023 0.25 r(2) = 2 850 0.21 r(3) = 3 656 0.16 r(4) = 4 329 0.08 r(5) = 5 245 0.06 r(6) = 6 122 0.03 r(7) = 7 81 0.02  根據上述公式得， s(0)=1.33≈1，s(1)=3.08
  • Ubuntu 16.04中安裝OpenCV 2.4.11
    build-essential cmake libgtk2.0-dev pkg-config python-dev python-numpy libavcodec-dev libavformat-dev libswscale-dev 2 去管網下載opencv壓縮包3 解壓壓縮包到某文件夾（用windows習慣了，直接右鍵提取到此處。。。）
  • 利用OpenCV和深度學習實現人臉檢測
    [2]：親測OpenCV3.3.0及以下版本，並沒有face_detector示例，且不支持face_detector。為了避免折騰，還是建議使用OpenCV3.3.1及以上（如OpenCV3.4）。1 face_detector簡介face_detector示例連結：https://github.com/opencv/opencv/tree/master/samples/dnn/face_detector當電腦配置好OpenCV3.3.1或以上版本時，在opencv\samples\dnn也可以找到face_detector
  • OpenCV在ARM上的移植 錯誤總結
    所以執行原來可以正常運行的命令 ：g++ ADA_LKDEMO.cpp -oADA_LKDEMO`pkg-config --cflags --libs opencv` -ldl 會出現如下錯誤： /usr/local/lib/libopencv_calib3d.so: error adding symbols: 文件格式錯誤 collect2
  • OpenCV ffmpeg移植到ARM平臺
    測試環境:Ubuntu 12.04 LTSOpenCV版本：1.0交叉編譯器:arm-none-linux-gnueabi-4.3.2步驟如下：一 交叉編譯libjpeg為了使OpenCV能處理jpeg圖像，我們必須事先交叉編譯好libjpeg這裡使用的版本是jpegsrc.v6b
  • opencv-python獲取圖像:面向對象與面向過程
    獲取圖像的方式有：1,讀取本地圖片，2,調用筆記本自帶攝像頭或usb攝像頭，3,調用網絡攝像頭。這裡需要注意以下，opencv讀取圖片默認通道為BGR的格式，當在其他UI用戶界面顯示圖像時注意轉換一下通道順序，例如BGR轉換成RGB：Image1=cv2.cvtColor(image, cv2.COLOR_BGR2RGB)下面讀取一張圖片並顯示
  • opencv學習—03圖像運算(一)
    ,size=[3,3],dtype=np.uint8)img2 = np.random.randint(0,256,size=[3,3],dtype=np.uint8)print("img1=\n",img1)print("img2=\n",img2)print("img1+img2=\n",img1+img2)print("cv2.add(img1,img2)=\n",cv2.add(img1,img2
  • 【走進OpenCV】霍夫變換檢測直線和圓
    = imread("4.jpg");    imshow("Src Pic", srcImage);    Mat midImage, dstImage;        Canny(srcImage, midImage, 50, 200, 3);        cvtColor(midImage, dstImage, CV_GRAY2BGR);
  • 基於opencv 的圖像處理入門教程
    https://github.com/ccc013/CodesNotes/blob/master/opencv_notes/opencv_image_process_tutorial.ipynb1.b的數值範圍是 -127 到 127；要實現上述公式，可以採用 addWeighted()方法，它輸出的圖片是一個 24 位的 0-255 範圍的彩色圖片。
  • 基於OpenCV的圖像分割處理!
    (img.empty()){cout << "Error: Could not load image" << endl;return 0;}Mat gray;cvtColor(img, gray, COLOR_BGR2GRAY);Mat dst1,dst2,dst3,dst4,dst5;threshold(gray, dst1, 127, 255, THRESH_BINARY