OpenVX便携式、高能效的视觉处理

OpenVX 1.3.1 来了！

OpenVX 1.3.1 规范于 2022 年 2 月 2 日发布

OpenVX™ 是一种开放、免版税的标准，用于计算机视觉应用程序的跨平台加速。OpenVX 支持性能和功耗优化的计算机视觉处理，这在嵌入式和实时用例中尤为重要，例如面部、身体和手势跟踪、智能视频监控、高级驾驶辅助系统（ADAS）、物体和场景重建、增强现实、视觉检查、机器人等。

OpenVX：视觉加速

OpenVX 通过可重用的视觉加速功能轻松扩展到每个低功耗领域。这为OpenVX和开发人员提供了一个关键优势，促进了广泛的采用，这提供了以下内容：

免版税开放标准 API，由硬件供应商可靠地加速，并严格定义一致性测试。
面向低功耗实时应用，包括移动和嵌入式平台。
跨各种异构处理器的可移植性，包括 ISP、专用硬件、DSP 和 DSP 阵列、GPU、多核 CPU 等。
不需要高功率 CPU/GPU 复合体。低功耗主机可以设置和管理帧速率视觉处理管道。

OpenVX 图形

OpenVX 允许图形级处理优化，这允许实现在可能的情况下融合节点以实现更好的整体性能。该图还允许自动图级内存优化，以实现低内存占用。OpenVX 图形优化工作负载可以部署在各种计算机硬件上，包括小型嵌入式 CPU、ASIC、APU、独立 GPU 和异构服务器。

OpenVX 开发人员表示一个称为“节点”的图像操作图，它可以位于任何以任何语言编码的任何硬件或处理器上。
OpenVX Graphs 使实施能够优化功耗和性能。实现可以融合节点以消除内存传输，并且可以平铺处理以将数据完全保存在本地内存/缓存中。
在帧速率图执行期间，OpenVX Graph 将主机交互降至最低。主机处理器可以设置一个图形，然后几乎可以自主执行。

分层视觉处理生态系统

实现者可以使用 OpenCL 或计算着色器在可编程处理器上实现 OpenVX 节点。开发人员可以使用 OpenVX 轻松地将这些节点连接到图形中。OpenVX 图形使实施者能够优化不同硬件架构的执行。OpenVX 使图形能够扩展，以包括不支持可编程 API 的硬件架构。

一致性实施

硬件供应商提供优化的 OpenVX 驱动程序，其架构旨在从其芯片架构中获得最佳性能，并可供开发人员使用。以下供应商提供符合要求的 OpenVX 驱动程序：

OpenVX 1.3 的新增功能

现在 OpenVX API 已经发展到一组广泛的功能，人们有兴趣创建针对一组功能的实现，而不是涵盖整个 OpenVX API。为了在提供此选项的同时仍管理 API，以防止在哪些实现提供哪些功能方面出现过度碎片化，OpenVX 1.3 规范定义了一组功能集，这些功能集构成了 OpenVX API 的连贯且有用的子集。这些功能集包括：

基本功能集（基本图形基础结构）
视觉（OpenVX 1.1 等效视觉功能）
增强视觉（OpenVX 1.2 中引入的视觉功能）
神经网络（OpenVX 1.2 等效的神经网络函数，以及神经网络扩展和张量对象）
NNEF（内核导入加上张量对象）
二进制映像支持（U1）
部署功能集（用于安全关键用途）

随着 OpenVX 1.3 的发布，流水线、神经网络和导入内核扩展也在更新。有关所有扩展和功能的列表，请转到 OpenVX 注册表 。

OpenVX 历史

OpenVX 规范和一致性测试于 2014 年发布。随后是 2015 年的 1.0.1 版规范和开源示例实现，2016 年嵌入式视觉峰会的 1.1 版，以及 2017 年嵌入式视觉峰会的 1.2 版。

OpenVX 功能集

为了在避免碎片化的同时实现部署灵活性，OpenVX 1.3 定义了许多针对常见嵌入式用例的功能集。硬件供应商可以在其实施中包含一个或多个完整的功能集，以满足其客户的需求并完全符合要求。OpenVX 的灵活性支持在各种加速器架构上部署，并且功能集有望显著增加可用 OpenVX 实现的广度和多样性。定义的 OpenVX 1.3 功能集包括：

图形基础结构（其他功能集的基线），
默认愿景，
增强视觉（OpenVX 1.2 中引入的功能），
神经网络推理（包括张量对象），
NNEF 内核导入（包括张量对象），
二进制图像，
安全关键（减少功能，以便更轻松地进行安全认证）。

OpenVX 和 OpenCV 是互补的

	OpenCV	OpenVX
实现	社区驱动的开源库	由硬件供应商实施、优化和交付的可调用 API
范围	100 多种成像和视觉功能多个相机 API/接口	紧紧关注数十个核心硬件加速功能以及扩展和加速自定义节点。使用外部摄像头驱动程序
一致性	广泛的 OpenCV 测试套件，但没有正式的 Adopters 计划	实施必须通过 Khronos 一致性测试套件才能使用商标
知识产权保护	没有。源代码在 BSD 下获得许可。某些模块需要版税/许可	受 Khronos IP 框架保护 - Khronos 成员同意在合规实施中使用时不针对 API 主张专利
加速度	OpenCV 3.0 透明 API（或 T-API）支持将功能卸载到 OpenCL 设备	实现免费使用任何底层 API，例如 OpenCL。可以将 OpenCL 用于自定义节点
效率	OpenCV 4.0 G-API 图形模型，用于某些过滤器、算术/二进制运算和定义明确的几何变换	所有节点的基于图形的执行。可优化的计算和数据传输
推理	深度神经网络模块，用于从层构建网络，仅用于前向传递计算。从 ONNX、TensorFlow、Torch、Caffe 导入	直接在 OpenVX Graph 中表示的神经网络层和操作。 NNEF 直接导入，ONNX 通过 NNEF 转换器