基于 opencv_git_changelog——以下为自总结的部分关键点内容,需要查看具体更新内容的,小手一点进入官方日志
更新于 20210331
** 4.4.0 **
DNN 模块
- 由于 SIFT 专利已经过期,SIFT 加入到主分支,不再受contrib nonfree限制
- 支持yolov4,onnx增加 resnet backbone 支持,支持 EfficientDet
- 增加了 文字检测 的demo,EAST + crnn
- 对本次更新增加了openvino的支持
G-API - 增加更过的面向视频的图apii操作,如goodFeaturesToTrack, buildOpticalFlowPyramid等
- 图像处理上,增加了 拉普拉斯核 和 双边滤波
还有一些其他的更新,不具体进行列举了
And many other great contributions from OpenCV community, including, but not limited to:
Obj-C / Swift bindings: #17165
(opencv_contrib) Julia bindings as part of ongoing GSoC project: #2547
(opencv_contrib) BIMEF: A Bio-Inspired Multi-Exposure Fusion Framework for Low-light Image Enhancement: #2448
Enable Otsu thresholding for CV_16UC1 images: #16640
Add Stroke Width Transform algorithm for Text Detection: #2464
Planned migration on Apache 2 license for next releases OE-32 #17491
记录于20191029
目前导航系统使用的opencv版本为ros-kinetic-opencv,使用的是opencv-dev-3.3.1
该版本优化和扩展了opencv_dnn,增加了:
Face detection sample and the light-weight Resnet-10 + SSD
The partial Darknet parser, enough to parse YOLO models
Preliminary support for FP16 networks has been added.
在此之上,opencv3.4更新
继续扩展了dnn模块:
增加了faster R-CNN
dnn利用openCL加速(使用了iGPU() )提升了7倍MobileNet-SSD的速度
3.4.2
- 增加一个计算目标值DNN_TARGET_OPENCL_FP16
- 扩展intel gpu interface
- 支持yolov3
- 减少dnn内存开销,优化对tensorflow和keras的支持
4.0.0
移除较多的opencv1x的模块
需要C++11 (cv::String == std::string cv::Ptr 被包装到了std::shared_ptr)
DNN部分,优化
- maskRCNN
- 整合了integrate onnx parser
- 优化了dnn模块在intel DLDT上的表现
- 变更api blobFromImage 不再交换red和blue通道,不再裁剪图片
- 增加了快捷路径,支持deeplearning network使用
python object_detection.py opencv_fd - 修复AMD、NVIDIA gpu对于opencl的加速,现在只需要enable DNN_TARGET_OPENCL
其余更新部分
增加了QR code 的detector,位于 opencv/objdetect module
还增加了kinect 的算法 opencv_contrib/rgbd module
4.1.0
DNN
减少内存消耗30%以上
更新并增强了intel 接口的使用
New networks from TensorFlow Object Detection API: Faster-RCNNs, SSDs and Mask-RCNN with dilated convolutions, FPN SSD 开始加空洞卷积模型的支持
4.1.1
增加了3D卷积网络
可视化网络cv::dnn::Net::dumpToFile
优化ONNX and TenforFlow 的接入接口
4.1.2
可使用高级API来区分classification model,区分了分类、目标识别、语义分割的模型,支持模型的预处理、后处理
更新openvino的backnend
总结
从3.3.1开始,opencv一直在对dnn进行优化,扩展各个模型的支持,后续版本可支持到yolov3,maskRCNN等神经网络,优化SSD等网络的速度
不断给Intel® Inference Engine提供新的后端处理优化
增加了dnn模型的各项分类
20200520 记录
4.2.0
整合了GSoC 项目的 CUDA backend, 支持gpu
openvino的更新
SIMD 内置函数的优化,降金字塔操作多线程
VideoCapture 的更新,支持FFmPeg backend
opencv_contrib更新
一个有意思的点:LOGOS features matching
两个其他的算法更新 FSR图像修补,RIC 插值
4.3.0
DNN:
提升了layers的性能,支持更多的模型
增加 DaSiamRPN 追踪器 demo
优化、修复一些cuda backend的问题
引入alpha matting,前背景分离 详见opencv_contrib