OpenCV4.4 刚刚发布！支持YOLOv4、EfficientDet检测模型，SIFT移至主库！

先说一句：OpenCV 5 已经在路上了！

编辑：Amusi
Date：2020-07-21
来源：CVer微信公众号
链接：OpenCV4.4刚刚发布！支持YOLOv4、EfficientDet检测模型，SIFT移至主库！

前言

OpenCV 4.4.0 于2020年7月18日正式发布，不得不说OpenCV 作为最大开源的图像处理工具，提供的内容太全面了，对小白友好度很高。不仅算法众多，而且文档、源码、各平台下的SDK都极易获取/访问。

https://opencv.org/releases/

OpenCV 4.4.0 亮点精选：

• SIFT 迁移至主库（因为SIFT专利过期）
• 支持YOLO v4
• 支持EfficientDet

OpenCV 4.4.0

一、SIFT

SIFT（尺度不变特征变换）算法已移至主库（因为SIFT的专利已过期）。

SIFT 算法在谷歌学术上引用量已高达 19339 + 57536

很多刚入门CV的同学，应该对传统算法不太熟悉。像SIFT（1999年出现，2004年完善）在传统图像处理中的地位应该就像深度学习中的ResNet一样（比喻可能不太恰当），主要用来做特征点检测与描述，可以扩展应用于图像匹配、三维重建、图像拼接等任务。

SIFT 中的金字塔思想，现在也被很多CNN网络参考和借鉴，主要用于解决 scale（尺度）问题。

多说一句，SIFT是否过期其实对学生来说，意义不大，因为本身就是可以用于学术研究，而且之前在non-free模块中也可以快速使用；但对于企业级商业应用来说，意义还是很大的。

二、DNN模块

改进 layers/激活/支持更多模型。

注：OpenCV中的DNN模块大多数是用于inference，因为其并不是担任深度学习框架的角色，所以大多数模型并非首发，而是支持。

2.1 支持最新的YOLO v4

因为原版YOLOv4就是基于C语言开发的，所以迁移到OpenCV中相比较并不是特别难的事情，所以时隔3个月，OpenCV就快速支持了YOLOv4。

关于YOLOv4，详见：大神接棒，YOLOv4来了！

2.2 支持EfficientDet

谷歌家的EfficientDet 没话说，性能强悍，mAP和FPS的表现都很赞。

2.3 支持FlowNet2

FlowNet2 是基于深度学习的光流估计网络，早期开源的版本就是基于Caffe框架的，现在终于迁移过来了。

除了上述更新之外，DNN模型还有如下更新：

• ONNX：添加对Resnet_backbone（Torchvision）的支持
• 添加文本识别新示例
• 增加了对OpenVINO 2020.3 LTS / 2020.4版本的支持
• CUDA后端中的许多修复和优化

三、G-API模块

• 在OpenCV后端引入了用于状态内核的新API GAPI_OCV_KERNEL_ST。有状态内核在各个图执行或流频帧之间（以流模式）保留其状态。
• 在G-API中引入了更多面向视频的操作：goodFeaturesToTrack，buildOpticalFlowPyramid，calcOpicalFlowPyrLK。
• 添加了更多的图像处理内核：Laplacian和双边 filters。
• 修复了 G-API的 OpenCL后端中的潜在崩溃。

四、社区贡献

OpenCV社区的许多其他伟大贡献，包括但不限于：

• Obj-C / Swift绑定
• （opencv_contrib）Julia绑定是正在进行的GSoC项目的一部分
• （opencv_contrib）BIMEF：生物启发的多重曝光融合框架，用于弱光图像增强
• Otsu 阈值化支持 CV_16UC1图像
• 为文本检测添加笔画宽度变换(Stroke Width Transform,SWT)

贡献者：

• opencv：105位
• opencv_contrib：27位

下载

《Learning OpenCV 3》这本书是由OpenCV发起者所写，是官方认可的书籍。其中涵盖大量图像处理的基础知识介绍，虽然API还是基于OpenCV 3.x，但结合此书和最新API，可以很好的学习OpenCV。书籍和代码，我已经打包上传好，链接如下，欢迎点赞支持哈！

链接：https://pan.baidu.com/s/10TAG5CTlu3RpJ3mVkdfUsQ
提取码：28ka

欢迎关注 CVer 微信公众号，可以获得更多优质的计算机视觉学习资料、论文和开源项目等