** 前戏**

各位CVers

OpenCV 4.0 公测版(Beta)来了!

距离上次推送 OpenCV 4.0 内测版来了!仅隔一个月,OpenCV官方再次发布OpenCV 4.0 Beta版,完全吊足大家对OpenCV 4.0正式版(Gold)的胃口。

侃侃:你是不是还在用OpenCV2.4.x系列,或者才更新到OpenCV3.x系列

OpenCV 4.0 Alpha

介绍Beat版本之前,先回顾一下Alpha版本有哪些新 feature!

首先,4.0 alpha包括3.4分支的所有最新改进,优化和 Bug修复。尤其是:

ONNX解析器已添加到OpenCV DNN模块中。它支持各种分类网络,如AlexNet,Inception v2,Resnet,VGG等。还支持 tiny YOLO v2对象检测网络。

其他一些显著的DNN改进:

Mask RCNN 支持和示例

Faster R-CNN:使用Intel Inference Engine(英特尔OpenVINO的一部分)加速

基于OpenCL backend的几个稳定性改进。

快速QR码检测器(detector)(Core i5 desktop的~80FPS @ 640x480分辨率)。官方计划在OpenCV 4.0正式版中添加QR码解码器(decoder),以便有一个完整的解决方案。

通过所谓的“wide universal intrinsics”不断扩展SSE4,AVX2和NEON优化内核集。

此外,OpenCV 4.0 alpha包含一些独有的功能,例如:

OpenCV现在是基于C ++ 11库,它需要符合C ++ 11标准的编译器。因此,默认情况下可以使用一些很好的功能,例如parallel_for和lambda函数,方便迭代cv :: Mat,初始化cv :: Mat,通过列出它的元素等。

标准的std :: string和std :: shared_ptr取代了手工制作的cv :: String和cv :: Ptr。我们的parallel_for现在可以使用std :: threads pool 作为后端。

OpenCV 1.x的旧版C API(使用CvMat,IplImage等)被部分排除在外;cleanup 应该主要由OpenCV 4.0 正式版完成。

添加了基本的FP(float point)16支持(添加了新的CV_16F类型)。

CPU和GPU加速的KinFu实时三维密集重建算法已包含在opencv_contrib中。

HPX parallel backend(感谢Jakub Golinowski)

新的chessboard detector(棋盘探测器)(感谢Alexander Duda)

总的来说,OpenCV 4.0 alpha版本包括85个补丁,包括来自3.4分支的28个大规模合并请求。

OpenCV 4.0 Beta

亲爱的OpenCV 爱好者们:

我们很高兴地宣布OpenCV 4.0 Beta现已推出,其中包括许多新功能和增强功能。除了这个新的库,还有新的开源工具OpenVINO™(Open Visual Inference and Neural Network Optimization),可以帮助帮助快速跟踪高性能计算机视觉开发和深度学习推理。

OpenCV 4.0 Beta包括29个新补丁,包括自OpenCV 4.0 alpha 以来3.4分支的大规模合并:

ONNX *(Open Neural Network Exchange)importer 已得到进一步改进,以支持更多扩展。

OpenCV DNN示例object_detection.py已经改进,可以填写正确的模型参数,因此现在使用起来要容易得多。

G-API(Graph API) - 超高效图像处理 pipeline 引擎已集成为opencv_gapi模块

快速QR码解码器(decoder),该算是是基于免费的QUirc(https://github.com/dlbeer/quirc)库,所以现在我们有一个完整的QR码检测和解码实现(运行~20-80FPS @ 640x480分辨率)。

使用“wide universal intrinsics”为AVX2加速了超过60个内核的18个功能。

针对iGPU加速了Kinect Fusion算法,在高分辨率 volume(512x512x512)上实现了并行CPU版本的3倍加速。

OpenCV 4.0 Beat(公测版)发布应该非常稳定,但OpenCV 4.0 Gold(正式版)预计会有更多变化。

期待OpenCV 4.0 Gold!!!

预告:OpenVINO

同期,英特尔宣布开源OpenVINO™工具包。

那么!那么OpenVINO是什么呢?

敬请期待,下篇文章的解析~