計算機(jī)視覺和機(jī)器學(xué)習(xí)軟件:OpenCV有多酷?
然而,有許多優(yōu)化可以執(zhí)行,使推理速度更快。例如,一個高效的推理機(jī)可以刪除神經(jīng)網(wǎng)絡(luò)中未激活的部分,或者將多個層合并到一個單獨(dú)的計算步驟中。如果硬件支持16位浮點(diǎn)運(yùn)算,其速度通常是32位版本的兩倍,則推理機(jī)可以利用這一點(diǎn)來加快處理速度,而幾乎不會損失精度。
現(xiàn)在在物聯(lián)網(wǎng)和邊緣設(shè)備的世界里,世界上大多數(shù)推理都是在CPU上完成的。你不會在你的監(jiān)控攝像頭里放一個幾百美元的GPU,這就是OpensCV的深度學(xué)習(xí)模塊非常適合的原因。你只需運(yùn)行一個自主選擇的深度學(xué)習(xí)模型作為推理機(jī)。
英特爾為此投入了大量資金,并發(fā)布了OpenVINO工具包。OpenVINO或openvisualinferencing and Neural network Optimization,簡稱OpenVINO,旨在加速神經(jīng)網(wǎng)絡(luò)在圖像分類和目標(biāo)檢測等任務(wù)中的速度。
那么背后發(fā)生了什么呢?
加載模型后,它們將轉(zhuǎn)換為OpenCV中的內(nèi)部表示形式,這與Caffe非常相似。
如果我們轉(zhuǎn)到OpenCV網(wǎng)站,我們可以看到它支持幾個基本的神經(jīng)網(wǎng)絡(luò)層。它還包含了池化層、激活函數(shù),比如Tanh、ReLU、Sigmoid和Softmax,還有Reshape, Flatten, Slice, 和Split等函數(shù)。
在opencv的Deep Learning wiki中,你可以看到對經(jīng)典神經(jīng)網(wǎng)絡(luò)架構(gòu)的支持,比如AlexNet、GoogleNet、VGG和ResNet等。DNN模塊具有可用的圖像分類、目標(biāo)檢測和語義分割等模型。
現(xiàn)在,如果每個模型都被翻譯成一個內(nèi)部表示,我們?nèi)绾未_保在翻譯過程中沒有丟失一些東西呢?OpenCV已經(jīng)發(fā)布了一些測試結(jié)果,表明在準(zhǔn)確性上,使用DNN模塊的ResNet 50和原始的ResNet 50之間沒有任何區(qū)別,這意味著無論使用OpenCV的DNN模塊還是原始的體系結(jié)構(gòu),都將得到相同的結(jié)果。

發(fā)表評論
請輸入評論內(nèi)容...
請輸入評論/評論長度6~500個字
最新活動更多
-
7月22-29日立即報名>> 【線下論壇】第三屆安富利汽車生態(tài)圈峰會
-
7.30-8.1火熱報名中>> 全數(shù)會2025(第六屆)機(jī)器人及智能工廠展
-
7月31日免費(fèi)預(yù)約>> OFweek 2025具身智能機(jī)器人產(chǎn)業(yè)技術(shù)創(chuàng)新應(yīng)用論壇
-
免費(fèi)參會立即報名>> 7月30日- 8月1日 2025全數(shù)會工業(yè)芯片與傳感儀表展
-
即日-2025.8.1立即下載>> 《2024智能制造產(chǎn)業(yè)高端化、智能化、綠色化發(fā)展藍(lán)皮書》
-
8月5日立即報名>> 【在線會議】CAE優(yōu)化設(shè)計:醫(yī)療器械設(shè)計的應(yīng)用案例與方案解析
推薦專題