构建计算机视觉应用程序的前11名工具
您应该了解的计算机视觉工具和库
OpenCV。最流行的库，多平台，易于使用。它涵盖了执行多个图像和视频处理任务的所有必要技术和算法，可与C ++和Python良好协作。
Matlab。在创建图像处理应用程序时应用，基本上可用于原型设计和研究目的。它的代码非常简洁，易于阅读和调试。它还解决了一个错误的问题：在执行之前提出了一些加速代码的方法。
TensorFlow。Google的深度学习开源框架拥有一些很棒的工具来执行图像处理/分类 - 它是类似API图张量的东西。而且，Python API可用于执行人脸和表情检测。Tensorflow还可以执行巨大的计算机视觉。
CUDA。NVIDIA的并行计算平台易于编程，效率高，速度快。利用GPU的强大功能，它可以提供出色的性能。其工具包包括NVIDIA Performance Primitives库，包含一组图像，信号和视频处理功能。
AForge.NET。在计算机视觉，人工智能行业中应用开源C＃框架非常简单。图像处理实验室对过滤选项（边缘检测，阈值等）以及简化查看功能非常有用。
SimpleCV。Python框架在构建时提供更人性化的编程接口。它提供了对各种计算机视觉工具（如OpenCV，Pygame等）的访问，也可以在快速原型设计时使用。
GPUImage。基于OpenGL ES 2.0构建的框架，允许将GPU加速效果和过滤器应用于实时动态视频，图像和电影。在GPU上运行自定义过滤器需要大量代码进行设置和维护。
Torch。支持GPU的机器学习算法的广泛支持框架。在快速脚本语言，LuaJIT和底层C / CUDA实现方面使用起来很简单，效率也很高。
SciPy。用于科学计算和技术计算的开源Python库。它包括用于优化，线性代数，积分，插值，特殊函数，FFT，信号和图像处理等模块的任务。
BoofCV。开源Java库，用于实时机器人和计算机视觉应用程序，以Apache 2.0许可证的形式发布，用于学术和商业用途。其功能涵盖了广泛的主题，包括优化的低级图像处理例程，相机校准，特征检测/跟踪，运动结构和识别。
DLIB。C ++工具包，涵盖用于创建复杂软件的机器学习算法和工具。它具有高质量的文档，易于使用，并许多最先进的机器学习算法以及高质量的人脸检测器。