《OpenCV深度学习应用与性能优化实践》内容简介

开源软件开发作为一种开发模式，社区互动是必不可少的组成部分。我们和OpenCV社区的互动，最早可以追溯到2010年。彼时OpenCV已经在业内流行了，但来自国内的贡献很少。最初，我们也经历了彷徨和不安，担心代码会不被接受。经过一些尝试后，我们逐渐与社区、OpenCV项目的维护者Vadim先生建立了良好的合作关系。待后来Intel收购了Itseez公司之后，大家成为同事，合作就变得更多了。本书的各位作者作为参与OpenCV项目的开发者，贡献了重要算法的优化和实现。他们希望通过本书，分享自己的成长经历，携手国内开源社区的程序员和工程师一起参与OpenCV项目的开发。
吴至文，Intel亚太研发有限公司资深图形图像工程师，拥有多年算法开发优化经验，技术领域涵盖显示系统、视觉处理、深度学习框架加速，尤其擅长基于OpenCL和Vulkan的算法设计及优化，是OpenCV DNN模块Vulkan后端的作者、OpenCL后端主要贡献者之一。近期关注深度学习视觉算法开发及其高效部署。
郭叶军，Intel资深图形图像工程师。多年图形芯片驱动开发经验，主要包括OpenGL驱动和OpenCL驱动。目前关注视频分析中的深度学习，是FFmpeg深度学习模块的代码维护者。
宗炜，Intel资深图形图像工程师，长期从事计算机视觉算法与应用、数字图像处理、Camera成像算法开发，在CPU/GPU/ISP异构计算算法设计与优化上经验颇丰，是图像处理与计算机视觉算法开源项目libXCam的维护者和主要贡献者。近期关注低延时、超高分辨率VR视频直播方案的开发和部署。
李鹏，阿里巴巴高级技术专家，原Intel亚太研发有限公司资深图形图像工程师。涉及领域包括显示系统、图形图像处理、深度学习框架加速。是OpenCV DNN模块OpenCL后端主要贡献者之一。
赵娟，Intel高级研发经理，钻研图形图像、视频编解码和视频处理十几年，带领团队深耕视频编解码和处理软硬件加速、深度学习算法分析与设计，致力于让开源软件在图形图像视频市场落地，并组织团队把多年的“干货”整理成书，与视频行业的朋友们一起探讨与成长。

作品目录

序一
序二
序三
序四
前言
第1章：OpenCV和深度学习
1.1、OpenCV处理流程
1.2、机器学习的数学视角
1.3、OpenCV深度学习模块
1.4、本章小结
第2章：OpenCV深度学习模块解析
2.1、深度学习模块分层架构总览
2.2、语言绑定和测试层
2.3、API层
2.4、DNN引擎层
2.5、引擎加速层
2.6、本章小结
第3章：并行计算与GPU架构
3.1、并行计算浅谈
3.2、Intel
GPU架构及其在并行计算中的应用
3.3、本章小结
第4章：基于Vulkan的加速实现
4.1、初识Vulkan
4.2、使用Vulkan加速
4.3、Vulkan后端加速过程解析
4.4、本章小结
第5章：基于OpenCL的加速实现
5.1、OpenCL简介
5.2、如何使用OpenCL加速
5.3、OpenCL加速详解
5.4、本章小结
第6章：CPU及第三方库加速的实现
6.1、原生CPU加速实现
6.2、Halide后端的实现
6.3、Intel推理引擎后端的实现
6.4、本章小结
第7章：可视化工具与性能优化
7.1、Netscope：基于Web的Caffe网络可视化工具
7.2、TensorBoard：助力TensorFlow程序的理解和调试
7.3、VTune：Intel平台的性能调优利器
7.4、程序优化流程总结和建议
7.5、本章小结
第8章：支付级人脸识别项目开发实战
8.1、活体检测的概念与方法
8.2、支付级人脸识别项目流程
8.3、基于OpenCV的支付级人脸识别项目具体实现
8.4、本章小结
第9章：深度学习模块不同场景下的应用实践
9.1、图像分类
9.2、目标检测
9.3、语义分割
9.4、视觉风格变换
9.5、本章小结
附录A
OpenCV的编译安装及patch开发流程
附录B
intel_gpu_frequency工具的安装和使用