在本系列上一篇文章中,我们带领大家掌握了颜色空间动态调节技巧。在本篇文章中,我们将带领大家了解 OpenCV。
前面连续几篇在 Jetson Nano 2GB 上,执行多个简单且实用的 Python 的 OpenCV 项目,都是轻松调用 JetPack 预装的 OpenCV 就能实现的功能,不需要额外安装其他库,包括人脸与眼睛检测的范例。
JetPack 为 Jetson Nano 2GB 安装的 OpenCV,是经过 NVIDIA 特调过的,因为 Jetson Nano 2GB 的目的是要成为边缘计算设备。由于各项计算资源都相对局限,因此 JetPack 所提供的 OpenCV 主要保留计算机视觉中最常用的基础功能。
以下就整理几个 Jetson Nano 2GB 上最常遇到的 OpenCV 问题:
1. 这个 OpenCV 是什么版本?
答:这里检查 OpenCV 版本的方法有很多种,下面两种是最简单的:
(1) 直接执行 opencv_version (如下截屏):
(2) 由于这里的 OpenCV 使用 dpkg 工具进行安装,因此可以使用以下指令检查版本:
第二种方法还能看到安装了支持 Python 的版本,以及 Samples 范例。
2. 这个 OpenCV 支持哪个 Python 版本?
答:JetPack 为 Jetson Nano 2GB 安装了 2.7 与 3.6 两个版本 Python 开发环境,可以分别执行以下指令去分别确认。
表示这个 OpenCV 支持 2.7 与 3.6 这两个版本的 Python。
3. 这个 OpenCV 支持 CUDA 计算?
答:这里有个最简单的指令“opencv_read_cuda”,在任何地方执行,显示如下:
这里得到的答案颇令人意外,居然是“NO”,表示不支持 CUDA。
这是因为前面所说,为了节省 Jetson Nano 2GB 的计算资源,因此这个 OpenCV 只提供最基本计算机视觉的功能,连 NVIDIA 自己的 CUDA 支持部分也去除。如果需要使用支持 CUDA 功能的 OpenCV 版本,需要从 OpenCV 官网下载源代码进行安装,这类教材网上有很多,请自行处理。
4. 这个 OpenCV 支持哪些库?
答:最简单的方式就是直接检查已安装的 lib 内容,请执行以下指令:
可以根据上述列表找出已安装的列表。
5. 如何取得 OpenCV 完整的安装与支持信息?
答:可以在 python 里汇入 cv2 之后,执行 cv2.getBuildInformation(),如下图:
下面还有非常多的信息,例如与 C/C++ 有关的(如下截屏):
已安装的模组(如下截屏):
例如上图就能看到对 FFMPEG、GSTREAMER 与 v4l/v4l2 的支持版本。
对 Python 的支持(如下截屏):
信息内容非常多,请自行阅读。
6. 需要升级对 Python 的支持?例如执行 pip3 install opencv-python 或 sudo apt install python3-opencv
答:这两种方式都会产生问题,建议不要使用。
以上针对 NVIDIA JetPack 为 Jetson Nano 2GB 所提供的 OpenCV 开发环境,以及大部分开发者最常见的问题,提供一个简单整理。
好文章,需要你的鼓励
北京大学研究团队开发出基于RRAM芯片的高精度模拟矩阵计算系统,通过将低精度模拟运算与迭代优化结合,突破了模拟计算的精度瓶颈。该系统在大规模MIMO通信测试中仅需2-3次迭代就达到数字处理器性能,吞吐量和能效分别提升10倍和3-5倍,为后摩尔时代计算架构提供了新方向。
普拉大学研究团队开发的BPMN助手系统利用大语言模型技术,通过创新的JSON中间表示方法,实现了自然语言到标准BPMN流程图的自动转换。该系统不仅在生成速度上比传统XML方法快一倍,在流程编辑成功率上也有显著提升,为降低业务流程建模的技术门槛提供了有效解决方案。
谷歌宣布已将约3万个生产软件包移植到Arm架构,计划全面转换以便在自研Axion芯片和x86处理器上运行工作负载。YouTube、Gmail和BigQuery等服务已在x86和Axion Arm CPU上运行。谷歌开发了名为CogniPort的AI工具协助迁移,成功率约30%。公司声称Axion服务器相比x86实例具有65%的性价比优势和60%的能效提升。
北京大学联合团队发布开源统一视频模型UniVid,首次实现AI同时理解和生成视频。该模型采用创新的温度模态对齐技术和金字塔反思机制,在权威测试中超越现有最佳系统,视频生成质量提升2.2%,问答准确率分别提升1.0%和3.3%。这项突破为视频AI应用开辟新前景。