在過去的幾年里，深度學(xué)習(xí)已經(jīng)成為人工智能領(lǐng)域發(fā)展最快的領(lǐng)域之一，它已經(jīng)取得了顯著的成果，特別是在計算機視覺領(lǐng)域中。

例如，自動駕駛汽車，使計算機用接近人類的能力來識別物體。工程界對OpenCV的評價非常高，因為它包含了最先進的計算機視覺和機器學(xué)習(xí)算法。

當深度學(xué)習(xí)技術(shù)部署到機器和物聯(lián)網(wǎng)設(shè)備中時，你將運行預(yù)先訓(xùn)練的深度學(xué)習(xí)模型。世界級的計算機視覺軟件和運行深度學(xué)習(xí)模型的能力，都是在廉價的硬件上實現(xiàn)的。

OpenCV是一個開源的計算機視覺和機器學(xué)習(xí)軟件庫，它可能是目前最流行的計算機視覺軟件，該庫有超過2500個優(yōu)化算法，其中包括經(jīng)典和最先進的計算機視覺及機器學(xué)習(xí)算法，這些算法可以用來檢測和識別人臉，識別物體，對視頻中的人類行為進行分類，跟蹤攝像機運動和移動物體等。

OpenCV是用C＋＋編寫的，你也可以為OpenCV使用Python包裝器。OpenCV還具有與Java和MATLAB的接口，并且受Windows、Linux、Android和macos的支持。

OpenCV神奇的深度學(xué)習(xí)

OpenCV的深度學(xué)習(xí)模塊被稱為DNN，現(xiàn)在DNN模型并不是一個成熟的深度學(xué)習(xí)框架。

DNN沒有反向傳播，所以我們無法使用它訓(xùn)練任何深度學(xué)習(xí)網(wǎng)絡(luò)。我們可以獲取一個輸入數(shù)據(jù)，通過之前訓(xùn)練過的深度神經(jīng)網(wǎng)絡(luò)模型，然后進行前向計算得到輸出結(jié)果。

這就是所謂的推理。在深度學(xué)習(xí)術(shù)語中，這意味著只有前向傳播。

只有前向傳播也有好處，這會使得代碼更簡單，深度學(xué)習(xí)網(wǎng)絡(luò)的安裝和組裝速度更快，在CPU上也足夠快。DNN模塊的OpenCV支持Caffe、TensorFlow、Torch、Darknet和ONNX格式的模型。由于OpenCV的深度神經(jīng)網(wǎng)絡(luò)實現(xiàn)不依賴于一個框架，因此沒有框架的限制。

另一個優(yōu)點是，由于這是模型的內(nèi)部表示，因此OpenCV開發(fā)人員可以有辦法來優(yōu)化和加速代碼。隨著OpenCV實現(xiàn)了自己的深度學(xué)習(xí)實現(xiàn)，這將外部依賴性降低到最低。一個簡單的推理機將簡單地通過網(wǎng)絡(luò)傳遞輸入數(shù)據(jù)來得到輸出結(jié)果。