计算机视觉 AI 工具集 OpenVINO，是你心目中的深度学习框架 Top1 吗？

再牛的硬件设施，没有好用顺手的软件工具加持也是把没开刃的刀。

这条准则在所有技术领域皆准，包括人工智能领域发展最成熟、落地最广泛的计算机视觉。AI芯片使得计算机视觉技术得以在现实生活中落地，为了更加充分地挖掘处理器的性能，各大厂家都发布了各种软件框架和工具，比如国外Intel的OpenVINO，Nvidia的TensorRT，国内的OpencvReal ViewBench、Visionbank机器视觉软件等。

但是计算机视觉软件框架和工具虽多，真正功能强大，使用方便的也是屈指可数。

2018年下半年，Intel公布了一套AI工具集OpenVINO，这个工具集名称的意思是“基于视觉推断与神经网络优化”，英文比较长，叫做Visual Inference and neural network optimization。一经推出，这个AI工具集就受到了开发者的关注，几年之间，OpenVINO已经迭代了数个版本，并得到了不错的使用反馈，比如有人认为OpenVINO的ROS/ROS2版本可能是能运行在CPU上的最好的深度学习框架，有人说它功能强大，大大降低部署成本，而且有文档有论坛，还提供模型参数，使用体验很好。

为什么OpenVINO用起来不错呢？曾经有专业开发者总结过它的几点优势，以及这些优势显现背后的机制。总结起来不外乎这几点：

这套工具集是一个Pipeline工具集，可以完成算法模型部署所需要的各种能力，很大地扩展了Intel的各类算力硬件以及相关加速器，将传统的基于CPU以及OpenCV算法的图像图形处理，扩展到更多的Intel的各类算力硬件与相关加速器上，实现了AI领域的异构计算，使视觉推断能力得到了很大程度的提高。它包含了一些高效的功能：

将基于CNN模型的深度学习推断能力扩展到工作站、边缘计算和云服务；

通过计算机视觉加速器的实现，支持异构计算。OpenVINO实现了一套通用的API，可以混合调用CPU、GPU、Movidius NCS和FGPA的算力来共同完成一次视觉推；

预先实现了一系列的功能库、OpenCL kernel等，可以缩短产品面世时间；

优化了OpenCV、OpenVX等一些功能的调用。

想要查看更多OpenVINO相关技术与资料，请戳>> http://www.amcfsurvey.com/openvino