大家好，我是Echa。

計算機視覺，與語音識別、自然語言理解，并稱為人工智能的三大主要技術(shù)領(lǐng)域，也是AI技術(shù)落地產(chǎn)業(yè)化最廣泛的領(lǐng)域。

百度 Apollo Scape

隨著科技的發(fā)展，要計算機識別現(xiàn)實世界中的物體需要借助傳感器硬件設(shè)備（攝像頭、聲納等），就像人類的眼睛幫助我們看到周圍世界并做出反應(yīng)一樣。但計算機想要識別傳感器檢測到的數(shù)據(jù)到底是什么物體，就需要事先使用一定的視覺算法對大量的數(shù)據(jù)進行訓練，才能夠讓計算機能夠識別傳感器數(shù)據(jù)中所包含的物體類別并做出響應(yīng)。

本田 車內(nèi)設(shè)覺

如今，計算機視覺在身份核驗、工業(yè)、農(nóng)業(yè)、醫(yī)學、交通、海洋等許多行業(yè)都有廣泛的用途。因此，對高質(zhì)量計算機視覺庫的需求也相應(yīng)增加。計算機視覺庫是一個預(yù)先編寫好的算法代碼和一些預(yù)訓練好的模型或者數(shù)據(jù)。目前，在開源領(lǐng)域，計算機視覺庫數(shù)量非常多，包括圖像識別庫、人臉識別庫等。

NEXET

借此機會，小編今天給大家好物分享16個上熱搜的黑科技開源項目，希望對大家所有幫助。你們都了解幾個呢？接下來小編帶著大家一一介紹。

全文大綱

1. OpenCV- 迄今為止最古老也是最受歡迎的開源計算機視覺庫。
2. TorchVision - 擁有計算機視覺中最常見的圖像轉(zhuǎn)換功能，還包含計算機視覺神經(jīng)網(wǎng)絡(luò)的數(shù)據(jù)集和模型架構(gòu)以及常見數(shù)據(jù)集。
3. YOLO - 是最快的計算機視覺工具之一，由Joseph雷德蒙和Ali Farhadi于2016年開發(fā)，專門用于實時圖像對象檢測
4. MMCV- 是一個基于PyTorch的圖像/視頻處理和轉(zhuǎn)換器。
5. Scikit-Image - 公認的最方便的Python視覺庫，它是Scikit-Learn的一個擴展庫。
6. Pillow (PIL Fork) - 是一個Python編寫的圖像處理庫。
7. TensorFlow - 是由GoogleBrain團隊開發(fā)并于2015年11月發(fā)布的AI框架，旨在促進構(gòu)建AI模型的過程。
8. MATLAB - 是Matrix Laboratory的縮寫，但它是一個付費編程平臺，適合用于如機器學習、深度學習、圖像處理、視頻信號處理等方面的應(yīng)用。
9. Keras - 它允許快速構(gòu)建神經(jīng)網(wǎng)絡(luò)模型，是一個模塊化的AI工具箱，計算機視覺工程師可以利用它來快速組裝應(yīng)用、訓練模型。
10. NVIDIA CUDA-X - 是一個GPU加速庫和工具的集合，可以開始使用新的應(yīng)用程序或GPA加速。它包含數(shù)學庫、并行算法庫、圖像和視頻庫、通信庫和深度學習庫。
11. NVIDIA Performance Primitives - CUDA（Compute Unified Device Architecture的縮寫）是NVIDIA開發(fā)的并行計算平臺和應(yīng)用程序編程接口（API）模型。
12. PyTorch - 是一個Python的開源機器學習框架，主要由Facebook的AI研究小組開發(fā)。
13. OpenVINO- 它是一套非常全面的計算機視覺工具。
14. Caffe - 一個易于使用的開源深度學習和計算機視覺框架，由加州大學伯克利分校開發(fā)。
15. SimpleCV - 是一個開源免費的機器視覺框架。
16. Detectron2 - 是由Facebook AI Research（FAIR）開發(fā)的基于PyTorch的模對象檢測庫。

OpenCV- 迄今為止最古老也是最受歡迎的開源計算機視覺庫。

Github：https://github.com/opencv/opencv

OpenCV 官網(wǎng)

OpenCV是迄今為止最古老也是最受歡迎的開源計算機視覺庫，旨在為計算機視覺應(yīng)用提供通用底層算法。

支持跨平臺應(yīng)用，支持Windows，Linux，Android和macOS。支持各種主流的開發(fā)語言，例如：Python，Java，C++等。OpenCV有一個Python Wrapper，支持GPU的CUDA模型。包含一些可以轉(zhuǎn)換為TensorFlow模型的模型。最初由Intel開發(fā)，現(xiàn)在可以在開源BSD許可證下免費使用。

OpenCV的主要功能包括：

• 2D和3D圖像工具包
• 人臉識別
• 手勢識別
• 運動檢測
• 人機交互
• 對象檢測
• 圖像分割和對象識別

OpenCV Demo

Github：https://github.com/pytorch/pytorch

PyTorch 官網(wǎng)

TorchVision是PyTorch庫的一個擴展庫，TorchVision擁有計算機視覺中最常見的圖像轉(zhuǎn)換功能，還包含計算機視覺神經(jīng)網(wǎng)絡(luò)的數(shù)據(jù)集和模型架構(gòu)以及常見數(shù)據(jù)集。

TorchVision旨在為方便使用PyTorch模型進行計算機視覺圖像轉(zhuǎn)換，而無需將圖像轉(zhuǎn)換為NumPy數(shù)組。TorchVision可以用于Python和C++語言開發(fā)環(huán)境?？梢酝ㄟ^pip install將TorchVision與PyTorch庫一起搭配使用。

以下是預(yù)訓練分割模型的使用例子。

import torchvision

model = torchvision.models.detection.maskrcnn_resnet50_fpn(pretrained=True)
# set it to evaluation mode, as the model behaves differently
# during training and during evaluation
model.eval()

image = PIL.Image.open('/path/to/an/image.jpg')
image_tensor = torchvision.transforms.functional.to_tensor(image)

# pass a list of (potentially different sized) tensors
# to the model, in 0-1 range. The model will take care of
# batching them together and normalizing
output = model([image_tensor])
# output is a list of dict, containing the postprocessed predictions

Github：https://github.com/ultralytics/ultralytics

YOLO 官網(wǎng)

YOLO是最快的計算機視覺工具之一，由Joseph雷德蒙和Ali Farhadi于2016年開發(fā)，專門用于實時圖像對象檢測。YOLO使用將神經(jīng)網(wǎng)絡(luò)，將圖像劃分為網(wǎng)格，然后同時預(yù)測每個網(wǎng)格，以提高識別效率。

目前YOLO已經(jīng)發(fā)布V8。YOLOv8 是一款前沿、最先進（SOTA）的模型，基于先前 YOLO 版本的成功并引入了新的功能和改進，進一步提升了性能和靈活性。YOLOv8 的快速、準確且易于使用，使其成為各種對象檢測與跟蹤、實例分割、圖像分類和姿態(tài)估計任務(wù)的絕佳選擇。

YOLO 應(yīng)用場景

Github：https://github.com/open-mmlab/mmcv

MMCV 中文版官方

OpenMMLab 團隊于 2022 年 9 月 1 日在世界人工智能大會發(fā)布了新一代訓練引擎 MMEngine，它是一個用于訓練深度學習模型的基礎(chǔ)庫。相比于 MMCV，它提供了更高級且通用的訓練器、接口更加統(tǒng)一的開放架構(gòu)以及可定制化程度更高的訓練流程。

MMCV v2.0.0 正式版本于 2023 年 4 月 6 日發(fā)布。在 2.x 版本中，它刪除了和訓練流程相關(guān)的組件，并新增了數(shù)據(jù)變換模塊。另外，從 2.x 版本開始，重命名包名 mmcv 為 mmcv-lite 以及 mmcv-full 為 mmcv。

MMCV是一個基于PyTorch的圖像/視頻處理和轉(zhuǎn)換器。它支持Linux、Windows和macOS等系統(tǒng)，是計算機視覺研究人員最常用的包之一。支持Python和C++開發(fā)語音。

MMCV 是一個面向計算機視覺的基礎(chǔ)庫，它提供了以下功能：

• 圖像和視頻處理
• 圖像和標注結(jié)果可視化
• 圖像變換
• 多種 CNN 網(wǎng)絡(luò)結(jié)構(gòu)
• 高質(zhì)量實現(xiàn)的常見 CUDA 算子

MMCV 支持多種平臺，包括：

• Linux
• Windows
• macOS

Github：https://github.com/scikit-image/scikit-image

Scikit-Image 官網(wǎng)

Scikit-Image是公認的最方便的Python視覺庫，它是Scikit-Learn的一個擴展庫。是監(jiān)督和無監(jiān)督機器學習最常用的工具之一。可以用于將NumPy數(shù)組作為圖像對象進行處理。

以下是使用Scikit-image進行硬幣識別的例子。

import skimage as ski

image = ski.data.coins()
# ... or any other NumPy array!
edges = ski.filters.sobel(image)
ski.io.imshow(edges)
ski.io.show()

Github：https://github.com/python-pillow/Pillow

Pillow (PIL Fork) 官網(wǎng)

Pillow是一個Python編寫的圖像處理庫。它支持Windows、Mac OS X和Linux平臺，可以在C和Python語言中使用Pillow庫。主要用于閱讀和保存不同格式的圖像，Pillow還包括各種基本圖像變換功能，例如：旋轉(zhuǎn)、合并、縮放等。

Github：https://github.com/tensorflow/tensorflow

TensorFlow 官網(wǎng)

TensorFlow是由GoogleBrain團隊開發(fā)并于2015年11月發(fā)布的AI框架，旨在促進構(gòu)建AI模型的過程。它有一些擴展解決方案，如針對瀏覽器和Node.js的TensorFlow.js，以及針對終端設(shè)備的TensorFlow Lite。另外，TensorFlow還提供了一個更好的框架TensorFlow Hub。這是一個更易于使用的平臺，可以使用TensorFlow Hub實現(xiàn)重復使用BERT和Faster R-CNN訓練模型、查找可隨時部署的模型、托管模型以供他人使用。

TensorFlow允許用戶開發(fā)與計算機視覺相關(guān)的機器學習模型，例如：人臉識別、圖像分類、目標檢測等。與OpenCV一樣，Tensorflow也支持各種語言，如Python、C、C++、Java或JavaScript。

TensorFlow 應(yīng)用場景

傳送門：https://ww2.mathworks.cn/products/matlab.html

MATLAB 官網(wǎng)

MATLAB是Matrix Laboratory的縮寫，但它是一個付費編程平臺，適合用于如機器學習、深度學習、圖像處理、視頻信號處理等方面的應(yīng)用，是一個受到工程師和科學家喜歡的編程平臺。它配備了一個計算機視覺工具箱，包含許多算法能力，如：

• 視頻目標檢測與目標跟蹤
• 物體識別
• 校準攝像機
• 處理三維視覺

傳送門：https://keras.io/

Keras是一個基于Python的開源軟件庫，對初學者來說特別易用，它允許快速構(gòu)建神經(jīng)網(wǎng)絡(luò)模型，是一個模塊化的AI工具箱，計算機視覺工程師可以利用它來快速組裝應(yīng)用、訓練模型。Keras的底層框架使用TensorFlow，并且擁有強大的社區(qū)支持，因此用戶眾多?？梢允褂肒eras實現(xiàn)的內(nèi)容例如：

• 圖像分割和分類
• 手寫識別
• 三維圖像分類
• 語義圖像聚類

傳送門：https://developer.nvidia.com/

CUDA是計算統(tǒng)一設(shè)備架構(gòu)的首字母縮寫，而NVIDIA CUDA-X是CUDA的更新版本。

NVIDIA CUDA-X是一個GPU加速庫和工具的集合，可以開始使用新的應(yīng)用程序或GPA加速。它包含數(shù)學庫、并行算法庫、圖像和視頻庫、通信庫和深度學習庫，可用于各種任務(wù)，例如：人臉識別、圖像處理、3D圖形渲染等。它兼容大多數(shù)操作系統(tǒng)，并且支持許多主流AI編程語言，如：C、C++、Python、Fortran、MATLAB等。

傳送門：https://developer.nvidia.com/npp

CUDA（Compute Unified Device Architecture的縮寫）是NVIDIA開發(fā)的并行計算平臺和應(yīng)用程序編程接口（API）模型。它允許開發(fā)人員使用GPU（圖形處理單元）的強大功能來加快處理密集型應(yīng)用程序的速度。

該工具包包含NVIDIA Performance Primitives（NPP）庫，可為多個領(lǐng)域（包括計算機視覺）提供GPU加速的圖像、視頻處理和信號處理功能。此外，CUDA架構(gòu)可用于各種開發(fā)任務(wù)，例如：人臉識別、圖像處理、3D圖形渲染等。它支持各種編程語言，包括C、C++、Python、Fortran或MATLAB，并且還與大多數(shù)操作系統(tǒng)兼容。

Github：https://github.com/pytorch/pytorch

PyTorch 官網(wǎng)

PyTorch是一個Python的開源機器學習框架，主要由Facebook的AI研究小組開發(fā)。在構(gòu)建復雜體系結(jié)構(gòu)時具有很大的靈活性?？梢杂糜跈C器視覺方面開發(fā)圖像評估模型、圖像分割、圖像分類等。

PyTorch是一個基于Torch的使用Python編程語言的開源機器學習框架。Torch 是一個開源的用Lua腳本語言編寫的機器學習庫，用于創(chuàng)建深度神經(jīng)網(wǎng)絡(luò)。

PyTorch 支持多種不同的數(shù)學運算，簡化了人工神經(jīng)網(wǎng)絡(luò)模型的創(chuàng)建。PyTorch 主要應(yīng)用于數(shù)據(jù)科學家用于研究和人工智能應(yīng)用，如計算機視覺和自然語言處理等應(yīng)用。PyTorch 遵循 modified BSD 許可協(xié)議。

2016年，PyTorch 由 Meta AI Research 首次發(fā)布，現(xiàn)在已成為Linux基金會的一部分。許多深度學習軟件都是在PyTorch基礎(chǔ)之上構(gòu)建的，包括Tesla 的 Autopilot、Uber 的 Pyro、HuggingFace 的 Transformers、PyTorch Lightning、和 Catalyst。

PyTorch提供了兩個高級特性：一是類似于NumPy的張量計算，可通過GPU實現(xiàn)強大的加速；二是基于帶自動微分系統(tǒng)的深度神經(jīng)網(wǎng)絡(luò)。支持ONNX與其他程序庫交換模型。

Github：https://github.com/openvinotoolkit/openvino

OpenVINO 官網(wǎng)

OpenVINO是Open Visual Inference and Neural Network Optimization的縮寫。它是一套非常全面的計算機視覺工具。它由英特爾開發(fā)，是一個可以免費使用的跨平臺框架，具有多種視覺處理能力，包括：

• 對象檢測
• 人臉識別
• 圖像彩色化
• 運動識別

Github：https://github.com/BVLC/caffe

Caffe 官網(wǎng)

CAFFE是Convolutional Architecture for Fast Feature Embedding的縮寫。是一個易于使用的開源深度學習和計算機視覺框架，由加州大學伯克利分校開發(fā)。

它使用C++編寫，支持多種開發(fā)語言，支持多種用于實現(xiàn)圖像分類和圖像分割的深度學習架構(gòu)。Caffe可以用于視覺、語音和多媒體領(lǐng)域的應(yīng)用，支持圖像分割、分類等模型開發(fā)。

SimpleCV 官網(wǎng)

SimpleCV是一個開源免費的機器視覺框架。通這個框架，可以輕松訪問OpenCV等幾個高性能的計算機視覺庫，而無需深入了解位深度、顏色空間、緩沖區(qū)管理或文件格式等復雜概念。

Github：https://github.com/facebookresearch/detectron2

Detectron2 官網(wǎng)

Detecrton 2是由Facebook AI Research（FAIR）開發(fā)的基于PyTorch的模對象檢測庫。

Detectron 2是Detection的升級版；包括：Faster R-CNN、Mask R-CNN、RetinaNet、DensePose、Cascade R-CNN、Panoptic FPN和TensorMask等模型。Detecrton 2的功能包括：密集位姿預(yù)測、全景圖像分割、聯(lián)合分割、對象檢測等。

Detectron2 應(yīng)用場景

最后

一臺電腦,一個鍵盤,盡情揮灑智慧的人生;