OpenCV5 2024年3~5月更新内容一览

OpenCV5 2024年3~5月更新内容概述：

3月20日更新内容：

GeLU 加速：我们即将完成高斯误差线性单元 (GeLU) 函数的加速，这是 PyTorch 和 TensorFlow 等深度学习框架的重要组成部分。

Layer Blob Constants：在PR #25238中，我们建议进行更改，直接在 Layer Blob 而不是 Const 层中存储和使用常量。这种优化简化了内存使用并提高了计算效率，特别是在大规模神经网络应用中。

FP16 和 BF16 重命名：作为我们不断简化术语的努力的一部分，我们提交了 PR（#25217 for FP16 on 4.x 和#25232 for BF16 on 5.x）来重命名某些功能，确保不同功能之间的一致性和清晰度OpenCV 版本。

DNN 引擎重构：努力重构深度神经网络 (DNN) 引擎，引入 6 个新运算符来改进功能和性能。对整数的支持、变压器优化和 OpenCL 支持进展顺利。

代码清理进展：在清理ml、objdetect和C-API组件方面取得了重大进展，确保了代码质量和一致性。

样本清理：启动了 OpenCV 样本的清理工作，从电子表格开始组织任务并确定任务的优先级。我们致力于提高示例代码的质量和相关性，以更好地满足多元化用户社区的需求。

OpenVINO 后端修复：解决了OpenVINO后端的问题，修复了影响 50 多个文件的问题。这些改进有助于为使用 OpenVINO 的用户提供更稳定、更可靠的体验。

HAL 进展：通过上述重命名工作，我们在实现 fp16/bf16 的通用内在函数方面取得了长足进步。

文档：我们的文档已更新至Doxygen的最新版本。如上所述，我们还致力于更新和改进我们的文档内容，以更好地满足您的需求。

4月17日更新内容：

DNN 中的 OpenVINO 后端：我们正在增强深度神经网络 (DNN) 模块中的 OpenVINO 后端，以支持整数和 OpenCL 加速。这些改进将显着提高性能并扩展 OpenCV 在各种应用中的功能。

Charuco 开发：我们的团队正在积极开发 Charuco，这是一种由棋盘和 ArUco 标记组成的混合标记，以提高其在计算机视觉任务中的功能和可用性。

圆形检测器增强：我们正在改进圆形检测器算法，以提高检测圆形形状的准确性和效率，这是许多计算机视觉应用中的一项基本任务。

3D 模块增强功能：我们正在向 3D 模块添加纹理支持和可视化功能，使用户能够创建更真实、更身临其境的 3D 重建和可视化。

PR 审查和合并：多个 PR 已被审查和合并，包括添加 FaceDetectorYN JS API。

OpenCL GEMM 内核测试：我们已经完成了 OpenCL GEMM 内核的测试，确保其在矩阵乘法任务（许多计算机视觉算法中的关键操作）中的可靠性和性能。

Apple Accelerate 构建修复：使用新的 Apple Accelerate 框架构建警告已得到解决。

Caffe 导入器删除：我们正在继续删除 Caffe 导入器和相关模型，简化代码库并专注于更高效、更现代的替代方案。

样本清理进度：我们在样本清理方面取得了进展，上周合并了一个 PR。这项持续的努力旨在提高示例代码的质量和相关性，以供用户参考和学习。

HAL 讨论：我们正在为 OpenCV 5.x 开发新的硬件抽象层 (HAL)，解决未来支持和协作的问题和期望。

5月9日更新内容：

边缘检测的统一样本：PR #25515中改进和统一的边缘检测样本，增强了用户体验和不同边缘检测算法的一致性。这些提交的材料正在等待审核。

DNN 图像分类示例：PR #25519引入了 DNN 图像分类的改进示例，简化了流程并为用户提供了更高效、信息更丰富的示例。这些提交的材料也在等待审查。

组合 C++ 示例清理：PR #25252提出对 C++ 示例进行组合清理，解决问题并增强清晰度和一致性。此 PR 正在等待审核，以巩固提高示例代码质量的努力。

使用 U-2-Net 探索语义分割：对于语义分割任务，我们正在考虑使用 U-2-Net，这是一种用于生成高质量分割掩模的有效且高效的模型。

G-API 的持续工作：我们在 G-API 上的努力仍在继续，努力增强其功能和性能。

新推理引擎的进步：我们正在新推理引擎方面取得进展，重点是改进 ONNX 解析器以与 OpenCV 无缝集成。

DNN 支持增强：我们正在通过 0D/1D 支持和 OpenVINO 后端集成等改进来增强 DNN 支持。接下来，我们计划开发布尔层和逻辑层等附加功能，以进一步增强 DNN 模块的功能和灵活性。

HAL 改进：我们在改进硬件抽象层 (HAL) 方面取得了长足进步，优化了不同硬件架构的性能和效率。

OpenCV Numpy 集成：与 OpenCV Numpy 的集成正在进行中，为用户提供增强的数据操作和分析功能。

文档增强：我们正在积极致力于改进文档，确保其保持全面、最新且可供各个级别的用户访问。

fp16 内在函数 PR 合并：合并了 fp16 内在函数的 PR，提高了某些操作的性能和效率，特别是在支持半精度浮点运算的硬件上。

MacOS 构建警告 PR 正在等待审核：针对 MacOS 上的构建警告的 PR 正在等待审核，以确保与 MacOS 平台的顺利集成和兼容性。

GoTurn 模型删除：GoTurn 模型已被删除，简化了模型库，并将资源集中在更具相关性和影响力的模型上。

ann-benchmark 框架的实验：我们已经使用 ann-benchmark 框架进行了实验。

创建分割示例：我们正在创建一个分割示例来展示高级分割技术，并为用户提供分割任务的实际示例。

参考链接：

https://opencv.org/blog/opencv-5-progress-weekly-update/
https://opencv.org/blog/opencv-5-progress-update-apr-17-2024/
https://opencv.org/blog/opencv-5-progress-update-may-9-2024/