江苏龙网

  1. 首页 > 资讯 > 科技 > >

|Kornia开源可微分计算机视觉库，基于Pytorch


机器之心发布
机器之心编辑部
OpenCV 创始人 Gary Bradski 等人近期发表了一篇 Kornia 的综述 。 Kornia 是一个基于 PyTorch 的可微分的计算机视觉库 ， 实现了可微的基础计算机视觉算子和可微的数据增广 。 该项目在 Github 上已经收获了 3k 星 。
|Kornia开源可微分计算机视觉库，基于Pytorch
本文插图

无论在深度学习还是传统的视觉处理方案中 ， 最常用图像处理库就是 OpenCV 和 PIL 了 。 然而 ， 因为 OpenCV 和 PIL 都是不可微的 ， 所以这些处理都只可以作为图像的预处理而无法通过观察梯度的变化来对这些算子进行优化 （gradient-based optimization） 。 因此 ， Kornia 便应运而生 。
|Kornia开源可微分计算机视觉库，基于Pytorch
本文插图

论文链接：https://arxiv.org/pdf/2009.10521.pdf
项目链接：https://github.com/kornia/kornia
文档链接：https://kornia.readthedocs.io/en/latest/index.html
Kornia 是一个基于 PyTorch 的可微分的计算机视觉 （differentiable computer vision） 开源库 ， 在 Github 上已经有了 3000 星 。 为了兼顾传统视觉处理与深度学习的需求 ， Kornia 实现了：
可微的基础计算机视觉算子 。
可微的数据增广（differentiable data augmentation） 。
由于 Kornia 是基于 PyTorch 的 ， 它同时会具备如下特性：
可微分性 。 所有算子的梯度都可以通过 PyTorch 的 AutoGrad 计算 ， 并使用 PyTorch 的优化器（如：Adam）来优化 。
GPU/TPU 加速 。 除 CPU 外 ， Kornia 可以在 GPU 甚至 TPU 中进行运算 。
【|Kornia开源可微分计算机视觉库，基于Pytorch】批数据处理 。 同时处理大量数据来提高运行效率 。
1.Kornia 可微计算机视觉
为了解决不同计算机视觉领域的问题 ， 比如颜色转换、底层图像处理、图像几何变换、特征检测等 ， Kornia 设计了如下图的模块 。
|Kornia开源可微分计算机视觉库，基于Pytorch
本文插图

值得一提的是 ， Kornia 不仅仅是将 OpenCV 的功能用 PyTorch 重新实现 ， 它同时也将一些传统视觉中不可微的操作可微化 ， 譬如说裁切 （crop） 操作便是通过透视变换 （Perspective transform） 与仿射变换 （Affine transform） 实现的 。
基于可微性 ， Kornia 中传统的视觉方法也可以通过梯度下降的方法来进行优化 。 比如使用梯度下降的方法来实现图像深度估计 （Depth Estimation）：
|Kornia开源可微分计算机视觉库，基于Pytorch
本文插图

详细代码可以参考 https://github.com/kornia/kornia-examples/blob/master/depth_estimation.ipynb
亦或是使用梯度下降的方法来实现图像配准 （Image Registration）：
|Kornia开源可微分计算机视觉库，基于Pytorch
本文插图

详细代码可以参考 https://github.com/kornia/kornia-examples/blob/master/homography.ipynb
2.Kornia 可微数据增广
深度学习中最常用的优化方法便是基于梯度的优化 ， 但常用的数据增广库（如 TorchVision ， Albumentations）并不具备可微性 。 为了更好地与深度学习相结合 ， Kornia 参考了 TorchVision 的 API 并实现了可微的数据增广（DDA, Differentiable Data Augmentation） 。 目前 ， 开发团队也在持续开发更多的可微分的 2D 图像与 3D Volume 的数据增广 ， 如下图所示（RGB 3D Volume 很少见 ， 实现与否将由社区驱动） 。


推荐阅读


上一篇：|韦地科技并购路帆科技 加速核电领域创新

下一篇：|AlphaGo原来是这样运行的，一文详解多智能体强化学习