cv开源框架

openCV

简介

OpenCV是一个基于Apache2.0许可（开源）发行的跨平台计算机视觉和机器学习软件库，可以运行在Linux、Windows、Android和Mac OS操作系统上。它轻量级而且高效——由一系列 C 函数和少量 C++ 类构成，同时提供了Python、Ruby、MATLAB等语言的接口，实现了图像处理和计算机视觉方面的很多通用算法。

编程语言

OpenCV用C语言编写，它的主要接口也是C语言，但是依然保留了大量的C语言接口。该库也有大量的Python、Java and MATLAB/OCTAVE（版本2.5）的接口。这些语言的API接口函数可以通过在线文档获得。如今也提供对于C#、Ch、Ruby的支持。

所有新的开发和算法都是用C++接口。一个使用CUDA的GPU接口也于2010年9月开始实现。

操作系统

OpenCV可以在Windows，Android，Maemo，FreeBSD，OpenBSD，iOS，Linux 和Mac OS等平台上运行。使用者可以在 SourceForge 获得官方版本，或者从 SVN 获得开发版本。OpenCV也是用CMake。

在Windows上编译OpenCV中与摄像输入有关部分时，需要DirectShow SDK中的一些基类。该SDK可以从预先编译的Microsoft Platform SDK（or DirectX SDK 8.0 to 9.0c / DirectX Media SDK prior to 6.0）的子目录Samples\Multimedia\DirectShow\BaseClasses获得。

TorchCV

简介

TorchCV是基于PyTorch开发的计算机视觉深度学习开源框架。该库提供了基于深度学习的大部分 CV 问题研究的源代码，对于使用者来说，调用最常用、最为先进的计算机模型从此可以变得更加容易。TorchCV 的作者 Donny You 来自北京大学，是机器感知与智能教育部重点实验室的一名研三学生。

包含模型

TorchCV 支持图像分类、语义分割、目标检测、姿态检测、实例分割、生成对抗网络等任务中的多个常见模型，列表如下：

图像分类

• VGG: Very Deep Convolutional Networks for Large-Scale Image Recognition
• ResNet: Deep Residual Learning for Image Recognition
• DenseNet: Densely Connected Convolutional Networks
• ShuffleNet: An Extremely Efficient Convolutional Neural Network for Mobile Devices
• ShuffleNet V2: Practical Guidelines for Ecient CNN Architecture Design
• Partial Order Pruning: for Best Speed/Accuracy Trade-off in Neural Architecture Search

语义分割

• DeepLabV3: Rethinking Atrous Convolution for Semantic Image Segmentation
• PSPNet: Pyramid Scene Parsing Network
• DenseASPP: DenseASPP for Semantic Segmentation in Street Scenes
• Asymmetric Non-local Neural Networks for Semantic Segmentation

目标检测

• SSD: Single Shot MultiBox Detector
• Faster R-CNN: Towards Real-Time Object Detection with Region Proposal Networks
• YOLOv3: An Incremental Improvement
• FPN: Feature Pyramid Networks for Object Detection

姿态检测

• CPM: Convolutional Pose Machines
• OpenPose: Realtime Multi-Person 2D Pose Estimation using Part Affinity Fields

实例分割

• Mask R-CNN

生成对抗网络

• Pix2pix: Image-to-Image Translation with Conditional Adversarial Nets
• CycleGAN: Unpaired Image-to-Image Translation using Cycle-Consistent

SimpleCV

简介

SimpleCV是一个开源框架，用于在Python中方便快速的构建计算机视觉方面的应用程序。SimpleCV封装了若干强大的计算机视觉库（目前仅封装了OpenCV），简化了用户对这些库的使用难度，如无需了解位深、文件格式、颜色空间、缓冲区管理等内容，降低了学习成本。可以用于在Python下快速开发计算机视觉的原型程序。

MMCV

简介

mmcv 是用于计算机视觉研究的基础 Python 库，支持 MMLAB 中的许多研究项目，例如 mmdetection。该库主要分为两个部分，一部分是与深度学习框架无关的工具函数，比如 IO/Image/Video 相关的一些操作，另一部分是为 PyTorch 写的一套训练工具，可以大大减少用户需要写的代码量，同时让整个流程的定制变得容易。

功能

MMCV 是一个面向计算机视觉的基础库，它支持了很多开源项目，例如：

• MIM: OpenMMLab 项目、算法、模型的统一入口
• MMClassification: OpenMMLab 图像分类工具箱与测试基准
• MMDetection: OpenMMLab 检测工具箱与测试基准
• MMDetection3D: OpenMMLab 新一代通用3D目标检测平台
• MMSegmentation: OpenMMLab 语义分割工具箱与测试基准
• MMAction2: OpenMMLab 新一代视频理解工具箱与测试基准
• MMTracking: OpenMMLab 一体化视频目标感知平台
• MMPose: OpenMMLab 姿态估计工具箱与测试基准
• MMEditing: OpenMMLab 图像视频编辑工具箱
• MMOCR: OpenMMLab 全流程文字检测识别理解工具包
• MMGeneration: OpenMMLab 新一代生成模型工具箱
• MMFlow: OpenMMLab 光流估计工具箱与测试基准
• MMFewShot: OpenMMLab 少样本学习工具箱与测试基准
• MMHuman3D: OpenMMLab 人体参数化模型工具箱与测试基准
• MMSelfSup: OpenMMLab 自监督学习工具箱与测试基准
• MMRazor: OpenMMLab 模型压缩工具箱与测试基准
• MMDeploy: OpenMMLab 模型部署框架

MMCV 提供了如下众多功能：

• 通用的 IO 接口
• 图像和视频处理
• 图像和标注结果可视化
• 常用小工具（进度条，计时器等）
• 基于 PyTorch 的通用训练框架
• 多种 CNN 网络结构
• 高质量实现的常见 CUDA 算子

语言要求

MMCV 需要 Python 3.6 以上版本。

cv开源框架与国产操作系统兼容性