17、OpenVX在计算机视觉中的应用：神经网络与安全关键应用

OpenVX在计算机视觉中的应用：神经网络与安全关键应用

1. 卷积神经网络（CNNs）在计算机视觉中的应用

卷积神经网络（CNNs）在计算机视觉任务中得到了广泛应用，如分类、检测和分割。CNNs由多个张量级操作堆叠而成，包括卷积层、激活层（如ReLU）、池化层（如最大池化）和全连接层等。这些操作中使用的权重，如卷积权重张量，是通过深度学习框架从特定应用的训练数据集中计算得出的。

在计算机视觉处理中，CNNs执行关键的分类、检测或分割任务。不同类型的CNN有不同的输出：
- 分类CNN ：以图像为输入，输出图像中对象的标签，如“鸭子”“飞机”或“树”。
- 检测CNN ：处理图像并可能找出其中的多个对象，输出一组边界框坐标以及每个边界框中对象的单独标签。
- 分割CNN ：提供更精细的信息，输出是另一幅图像，其中输出图像的每个像素值是输入图像中该位置对象类型的标签。

计算机视觉处理的其他部分可能在CNN之前或之后进行，包括：
- 图像处理 ：颜色转换、图像滤波、图像调整大小、裁剪、归一化等。
- 后处理 ：非极大值抑制、将分割结果叠加在输入图像上。

2. 使用OpenVX部署CNNs

可以使用OpenVX在计算机视觉应用中部署CNNs，同时还有一些OpenVX扩展可用于在OpenVX图中插入CNNs。
- vx_khr_nn ：用于逐层插入CNN模型的神