OpenCV 是 CV 开发人员的事实上的标准框架，拥有 16 年以上的历史，约 100 万行代码，数千种算法和数万个单元测试。虽然 OpenCV 在台式机上为经典算法提供了开箱即用的性能，但它没有为现代 CV 算法提供足够的性能，例如一套深度学习算法，以及在嵌入式平台上的性能不足。我们为性能问题提供了一种短期解决方案，使用 T-API（透明 API）——OpenCV 中基于 OpenCL 的加速层。我们将演示如何使用这个技术来解决一个流行的 CV 问题——行人检测。OpenCL 是一个标准工具，用于对现代并行硬件进行编程，从 CPU 和 GPU 到专门的 DSP，甚至 FPGA。为了寻找性能问题的长期解决方案，我们尝试了其他方法，例如 Halide。我们希望 Halide 能解决现有的 OpenCL 问题，即缺乏性能可移植性和非专家使用复杂性，因为 Halide 提供了更高的抽象级别和易用性。我们将演示使用 Halide 的早期实验结果。如果这种方法被证明是成功的，我们将把对 Halide 的支持包含在下一个版本的 OpenCV 中。重要的是，OpenCV 现在包括对 OpenVX 的支持，我们使用它来加速一些图像处理管道以及深度网络执行。
链接
