Перейти к содержанию
ERITKOM
ИИНовость

OpenCV 5.1 убрала классический DNN-движок: что проверить при переносе моделей

Первое функциональное обновление ветки 5.x меняет выбор движка, загрузку TensorFlow и типы выходов нейросетей. Старые примеры для OpenCV 5.0 не всегда подходят новой версии.

Официальный знак OpenCV со стилизованными буквами O C V
Adi Shavit; рестайлинг xperience.ai (2020), логотип OpenCV, Apache 2.0. Исходник. Размер и SVG→WebP изменены; партнёрство не заявляется.

Не только ещё один набор оптимизаций

OpenCV 5.1.0 опубликована 6 ноября как первое функциональное обновление поколения 5.x. Коммит подготовки релиза сделан раньше, поэтому дата в истории исходников и момент доступности выпуска не совпадают автоматически. Наиболее заметная для существующих нейросетевых приложений граница — удаление классического DNN-движка, который ещё присутствовал в переходном выпуске 5.0.

Само название компьютерного зрения охватывает больше, чем запуск одной модели: рядом остаются изображения, калибровка, работа с матрицами и программные привязки. Ускорение некоторой операции не описывает весь конвейер обработки кадра. Поэтому обновление имеет смысл разбирать по интерфейсам и данным, а не считать любой новый номер гарантией увеличения частоты кадров. В этом материале нет собственного бенчмарка, измерений на GPU или сравнения точности моделей.

Старое руководство 5.0 требует поправок для 5.1

Руководство переноса с 4.x на 5.x объясняет переходный режим OpenCV 5.0: новый движок использовался первым, а классический мог служить запасным вариантом. Там встречаются примеры явного ENGINE_CLASSIC. Актуальные примечания 5.1 отменяют этот путь: вызовы readNet с ENGINE_CLASSIC или ENGINE_NEW необходимо переводить на действующие ENGINE_AUTO, ENGINE_OPENCV либо ENGINE_ORT.

Таким образом, одно и то же руководство полезно для понимания архитектуры, но не должно подменять замечания к конкретному выпуску. Запасной механизм, описанный для прежней версии, нельзя считать доступным после удаления соответствующего кода. Выбор backend также не равен выбору аппаратного устройства: возможность загрузить модель, поддержать её операции и выполнить вычисления на нужном ускорителе — связанные, но отдельные проверки.

Формат модели и формат результата

В 5.1 удалён readNetFromTensorflow; команда предлагает предварительное преобразование TensorFlow-моделей в ONNX. Для модуля dnn_superres также указан переход к загрузке ONNX. Это не утверждение, что смена расширения файла автоматически преобразует граф, веса и поддерживаемые операции. Процесс экспорта остаётся самостоятельным этапом, результат которого должен быть совместим с загрузчиком.

Есть и менее заметное изменение интерфейса: Net::forward возвращает FP16 или BF16, если такие выходы объявлены самой моделью, тогда как классы Model продолжают возвращать float. Последующая обработка должна различать эти контракты. Например, код, который интерпретирует буфер как прежний тип без проверки, нельзя считать корректным только потому, что нейросеть загрузилась. Это следствие различия типов данных, а не доказательство ухудшения или повышения точности алгоритма.

Что сравнивать в прикладном переносе

Старое руководство отдельно обсуждает представление многомерных данных, новые числовые типы и перенос моделей прежних форматов. Эти вопросы остаются важными независимо от выбора одного DNN-движка: форма тензора, порядок каналов, масштабирование входа и ожидания последующей обработки вместе определяют смысл результата. Совпадение имени метода не доказывает совпадение всего вычислительного пути.

Для содержательного сравнения версий нужен одинаковый исходный набор изображений и моделей, а также известная конфигурация сборки. Разница между отказом импорта, неподдержанной операцией и несовпадением итогового результата помогает локализовать проблему, вместо того чтобы объяснять всё одним словом «совместимость». Это критерии проверки прикладного проекта, не заявленные результаты теста OpenCV. Ветка 5.1 продолжает развитие библиотеки, но опубликованные изменения не гарантируют автоматическую работоспособность каждого исторического примера из 4.x или переходной 5.0.

Источники

Принципы журнала и исправления.

ERITKOM / НОВЫЙ ПРОЕКТ

Расскажите о задаче и оставьте контакты. Мы свяжемся с вами, чтобы обсудить проект.

  1. 01 Контакты
  2. 02 Ваша задача