opencv十大開源框架

十大框架：1.谷歌雲的Vision API，v3， orflow， acedetection，&er Vision，，_recognition，8. DeepFaceLab，9. JeelizFaceFilter，CV

1、谷歌雲的Vision API

Google Cloud 的 Vision API 是一種易於使用的影象識別技術，可讓開發人員通過應用強大的機器學習模型來了解影象的內容。它通過 REST 和 RPC API 提供強大的預訓練機器學習模型。它還使開發人員可以輕鬆地將關鍵視覺檢測功能整合到應用程式中，包括面部和地標檢測、影象標記、光學字元識別 (OCR) 和顯式內容標記。它還允許我們為影象分配標籤並快速將它們分類為數百萬個預定義的類別。它可以幫助我們檢測物體和麵部，閱讀印刷和手寫文字，並將有價值的元資料構建到您的影象目錄中。

2、YOLOv3

YOLO（You Only Look Once）是最先進的實時物件檢測系統，是最廣泛使用的基於深度學習的物件檢測方法之一。它將物件檢測視為一個迴歸問題，使用單個前饋卷積神經網路直接從完整影象預測類別概率和邊界框偏移。它使用 k-means 聚類方法來估計預測邊界框的初始寬度和高度。YOLOv3 消除了區域提議生成和特徵重取樣，並將所有階段封裝在單個網路中，形成真正的端到端檢測系統。

3、 TensorFlow

Tensorflow 是一個免費的開源框架，用於建立演算法以開發使用者友好的圖形框架，稱為 TensorFlow 圖形框架 (TF-GraF)，用於物件檢測 API，廣泛應用於農業、工程和醫學領域的複雜任務的高效解決. TF-GraF 為業餘愛好者和初學者提供獨立的虛擬環境來設計、訓練和部署機器智慧模型，而無需在客戶端進行編碼或命令列介面 (CLI)。

TF-GraF 支援 SSD、Faster-RCNN、RFCN 和 Mask-RCNN 的靈活模型選擇，包括卷積神經網路（inceptions 和 ResNets）。TF-GraF 負責設定和配置，允許任何人在他們的專案中使用深度學習技術，而無需安裝複雜的軟體和環境。

4、 Libfacedetection

libfacedetection 是一個用於影象中人臉檢測的開源庫。它為影象中基於 CNN 的人臉檢測提供了預訓練的卷積神經網路，使使用者能夠檢測尺寸大於 10×10 畫素的人臉。在 C 原始檔中，CNN 模型已轉換為靜態變數。原始碼不依賴於任何其他庫。您需要一個可以在 Windows、Linux、ARM 和任何平臺下編譯原始碼的 C++ 編譯器。SIMD 指令用於加速檢測。如果您使用 Intel CPU 或 NEON for ARM，您可以啟用 AVX2。

5、Raster Vision

Raster Vision 是一個開源 Python 框架，用於在衛星、航空和其他大型影象集（包括傾斜的無人機影象）上構建計算機視覺模型。它允許沒有任何深度學習或機器學習工作流專業知識的使用者快速重複配置實驗，包括分析訓練資料集、建立訓練晶片、訓練模型、建立預測、評估模型、捆綁模型檔案和部署。

Raster Vision 內建支援使用 PyTorch 和 Tensorflow 進行晶片分類、物件檢測和帶有後端的語義分割。使用者可以在內建支援使用 AWS Batch 在雲中執行的 CPU 和 GPU 上執行實驗。該框架還可以擴充套件到新的資料來源、任務（例如，物件檢測）、後端（例如，TF 物件檢測 API）和雲提供商。

6、SOD

SOD 是一個嵌入式的、現代的跨平臺計算機視覺和機器學習軟體庫。它公開了一組用於深度學習、高階媒體分析和處理的 API，包括在計算資源和物聯網裝置有限的嵌入式系統上進行實時、多類物件檢測和模型訓練。

SOD 旨在為計算機視覺應用程式提供通用基礎架構，並加速機器感知在開源和商業產品中的使用。SOD 專為提高計算效率而設計，重點關注實時應用，包括一套全面的經典和最先進的深度神經網路及其預訓練模型。

7、Face_recognition

Face_recognition 是世界上最簡單的 Python 和命令列面部識別 API。使用 dlib60 最先進的人臉識別技術構建深度學習，它可以從 Python 或命令列識別和操作人臉。該模型在 Wild61 基準中的 Labeled Faces 上的準確率為 99.38%。它提供了一個簡單的 face_recognition 命令列工具，可讓您從命令列對影象資料夾進行人臉識別！

8、 DeepFaceLab

DeepFaceLab 是一個開源深度偽造系統，它利用機器學習在視訊中進行照片般逼真的人臉交換。它提供了一個命令式且易於使用的管道，包括資料載入和處理、模型訓練和後處理，供人們在不全面瞭解深度學習框架或不編寫複雜樣板程式碼的情況下建立深度偽造視訊。這個最先進的框架提供了一個完整的命令列工具，其中包含管道的各個方面和功能，如傻瓜相機。值得注意的是，超過 95% 的深度偽造視訊是使用 DeepFaceLab 建立的。

9、 JeelizFaceFilter

JeelizFaceFilter 是一個輕量級且強大的人臉跟蹤庫，專為增強現實人臉過濾器而設計。這個 JavaScript 庫可以從使用 WebRTC 捕獲的網路攝像頭視訊源中實時檢測和跟蹤人臉。用於為增強現實應用疊加 3D 內容，它可以支援 、、FaceSwap、Canvas2D、CSS3D 等各種整合，使開發人員能夠直接從瀏覽器解決計算機視覺問題。關鍵功能包括人臉檢測、人臉跟蹤、人臉旋轉檢測、張口檢測、多人臉檢測與跟蹤、具有高清視訊能力的視訊採集等。

10、OpenCV

OpenCV 是一個開源計算機視覺和機器學習軟體庫，旨在為計算機視覺應用程式提供通用基礎架構並加速機器感知在商業產品中的使用。獲得 BSD 許可的產品 OpenCV 使企業可以輕鬆地使用和修改程式碼。該庫擁有 2500 多種優化演算法，包括一整套經典和最先進的計算機視覺和機器學習演算法。

這些演算法可用於檢測和識別人臉、識別物件、對視訊中的人類行為進行分類、跟蹤攝像機運動、跟蹤移動物件、提取物件的 3D 模型以及從立體攝像機生成 3D 點雲。它可以將影象拼接在一起以生成整個場景的高解析度影象，從影象資料庫中查詢相似影象，從使用閃光燈拍攝的影象中去除紅眼，跟蹤眼球運動，識別風景並建立標記以將其與增強現實疊加。