Posted By 許 哲豪 on 11 月 13, 2019 in Intel/Sertek, OpenVINO, OpenVINO專欄, OpenVINO教學文, 影像處理, 教學文 | 1 comment

上個世紀美國科學家發現一個有趣的現象，許多長期在太空執行任務的男性太空人會產生頭疼、失眠、噁心、情緒低落等症狀，後來發現只要在團隊中加入女性太空人，這個現象便會大幅減低，同時也增加他們的工作效率，於是就有了「男女搭配、幹活不累」的說法產生。

同樣的情況，在電腦視覺開源社群領域以往都單靠 OpenCV 來解決各種影像處理、電腦視覺等問題，近年來隨著「深度學習」技術興起，許多傳統電腦視覺不好處理的問題（如分類、物件偵測、影像分割等）漸漸地也得到改善。以往這兩大技術各自獨立，OpenCV 為整合「深度學習」這項技術， 2017 年 8 月推出 3.3 版，大幅提升 DNN（Depp Neural Network）的模組功能，加入許多常見框架（如 Caffe、TensorFlow、Torch7）與常見模型（如 AlexNet、VGG、ResNet、SqueezeNet），造福許多開源社群的開發者。

（圖片來源：OpenCV Tutorial C++）

2018 年 Intel 推出開源電腦視覺推論及神經網路工具包（OpenVINO）更直接將 OpenCV 整合進去，同時給予非常靈活的彈性應用，讓兩者可各自獨立工作，亦可部份整合或緊密整合，充份體現「OpenVINO 與 OpenCV 搭配，幹電腦視覺的活一點都不累」的精神。