<font style="vertical-align: inherit;"><font style="vertical-align: inherit;">简介</font></font>
介绍¶
Kornia是PyTorch的可区分计算机视觉库。
它由一组例程和可区分模块组成,用于解决通用计算机视觉问题。该软件包的核心是使用PyTorch作为其主要后端,以提高效率并利用反向模式自动微分来定义和计算复杂函数的梯度。
受OpenCV的启发,该库由包含运算符的软件包的子集组成,可以将这些运算符插入神经网络中以训练模型以执行图像转换,对极几何,深度估计以及低级图像处理(例如直接运行的滤波和边缘检测)在张量上。
- 为什么选择科尼亚?
-
借助Kornia,我们填补了PyTorch生态系统的空白,引入了计算机视觉库,该库实现了标准视觉算法,并利用了PyTorch等现代深度学习框架可以提供的不同属性:
商品的可区分性,避免为复杂的损失函数编写导数函数。
透明度到eitherin使用批次在一个共同的API CPU或GPU设备上执行的并行或串行计算。
分发用于计算大型应用程序。
使用JIT编译器进行生产准备。
突出特点¶
从粒度上讲,Kornia是一个包含以下组件的库:
引用我们¶
@inproceedings{eriba2020kornia, author = {E. Riba, D. Mishkin, J. Shi, D. Ponsa, F. Moreno-Noguer and G. Bradski}, title = {A survey on Kornia: an Open Source Differentiable Computer Vision Library for PyTorch}, year = {2020},}
@inproceedings{eriba2019kornia, author = {E. Riba, D. Mishkin, D. Ponsa, E. Rublee and G. Bradski}, title = {Kornia: an Open Source Differentiable Computer Vision Library for PyTorch}, booktitle = {Winter Conference on Applications of Computer Vision}, year = {2020}, url = {https://arxiv.org/pdf/1910.02190.pdf}}
@misc{Arraiy2018, author = {E. Riba, M. Fathollahi, W. Chaney, E. Rublee and G. Bradski}, title = {torchgeometry: when PyTorch meets geometry}, booktitle = {PyTorch Developer Conference}, year = {2018}, url = {https://drive.google.com/file/d/1xiao1Xj9WzjJ08YY_nYwsthE-wxfyfhG/view?usp=sharing}}
赞 (0)