深度学习框架

一、计算机视觉库

1. OpenCV

• 官网：https://opencv.org
• GitHub：https://github.com/opencv/opencv

OpenCV 是最古老、最受欢迎的开源计算机视觉库，为计算机视觉应用提供通用底层算法。

特性：

• 跨平台支持（Windows、Linux、Android、macOS）
• 支持 Python、Java、C++ 等语言
• 支持 GPU CUDA 加速
• 包含可转换为 TensorFlow 模型的预训练模型

主要功能：

• 2D/3D 图像工具包
• 人脸识别、手势识别
• 运动检测、人机交互
• 对象检测、图像分割

2. Scikit-Image

• 官网：https://scikit-image.org/
• GitHub：https://github.com/scikit-image/scikit-image

Python 视觉库，是 Scikit-Learn 的扩展，支持将 NumPy 数组作为图像对象处理。

import skimage as ski
image = ski.data.coins()
edges = ski.filters.sobel(image)
ski.io.imshow(edges)
ski.io.show()

3. Pillow (PIL Fork)

• GitHub：https://github.com/python-pillow/Pillow

Python 图像处理库，支持多种格式图像读写，包含旋转、合并、缩放等基础变换。

4. TorchVision

• 官网：https://pytorch.org/vision/stable/index.html

PyTorch 扩展库，提供常见图像转换功能、数据集和模型架构，支持 Python 和 C++。

5. MMDetection

• GitHub：https://github.com/open-mmlab/mmdetection

基于 PyTorch 的目标检测工具箱，支持多种检测模型（Faster R-CNN、YOLO、SSD 等）。

---

二、深度学习框架

6. TensorFlow

• GitHub：https://github.com/tensorflow

Google Brain 团队开发（2015年11月发布），支持图像分类、人脸识别、目标检测等任务。

扩展组件：

• TensorFlow.js：浏览器和 Node.js
• TensorFlow Lite：终端设备
• TensorFlow Hub：模型复用平台

编程接口：Python、C、C++、Java、JavaScript、Go、R

7. PyTorch

• GitHub：https://github.com/pytorch/pytorch

Facebook AI 研究小组开发，Python 优先框架，灵活易用，支持 GPU 加速和动态计算图。

应用场景：图像评估、图像分割、图像分类

8. Keras

• 官网：https://keras.io/

基于 Python 的开源库，对初学者友好，底层使用 TensorFlow，有强大的社区支持。

应用场景：图像分割分类、手写识别、3D图像分类、语义图像聚类

9. Caffe

• 官网：https://caffe.berkeleyvision.org/

加州大学伯克利分校开发，使用 C++ 编写，支持多语言，用于图像分类、分割模型开发。

适用领域：视觉、语音、多媒体

10. MXNet

• 官网：https://mxnet.apache.org/

亚马逊 AWS 默认框架，支持混合编程模型，支持 Python、C++、R、Scala、Julia 等语言。

---

三、推理部署工具

11. NVIDIA CUDA-X

• 官网：https://developer.nvidia.com/gpu-accelerated-libraries

GPU 加速库集合，包含数学库、并行算法库、图像视频库、深度学习库。

12. OpenVINO

• 官网：https://docs.openvino.ai/

英特尔开发的跨平台框架，功能包括对象检测、人脸识别、图像彩色化、运动识别。

13. NVIDIA TensorRT

NVIDIA 高性能深度学习推理引擎，优化模型推理性能。

---

四、目标检测专用

14. YOLO 系列

• GitHub：https://github.com/ultralytics/ultralytics

实时目标检测模型，Joseph Redmon 和 Ali Farhadi 于 2016 年开发。

版本：YOLOv1 → YOLOv8

特性：将图像划分为网格，同时预测各网格目标，高效实时

应用：目标检测、实例分割、图像分类、姿态估计

15. Detectron2

• GitHub：https://github.com/facebookresearch/detectron2

Facebook AI Research 开发的 PyTorch 目标检测库。

包含模型：Faster R-CNN、Mask R-CNN、RetinaNet、DensePose、Cascade R-CNN、Panoptic FPN、TensorMask

---

五、轻量级框架

16. SimpleCV

• 官网：http://simplecv.org/

开源机器视觉框架，轻松访问 OpenCV 等高性能库，无需深入了解底层概念。

---

六、框架选型建议

场景	推荐框架
入门学习	Keras、PyTorch
生产部署	TensorFlow、Caffe2、OpenVINO
目标检测	YOLO、Detectron2、MMDetection
边缘设备	OpenVINO、TensorRT Lite
研究实验	PyTorch、MXNet