OpenCV3.3更新日志

2017.08

opencv3.3新版本被发布，其中包括，加速DNN模块，并将其移到主仓库，Halide在opencv中首次亮相，另外还对其他各模块进行了多重优化和改进。

opencv_dnn 模块已从opencv_contrib移到opencv主仓库，并且功能被优化、改进：

1、高层的API被修改，比以前更加方便

2、新添加了一些回归测试，现在共有46种。

3、修复Torch和TF loaders中存在的bug，以及在一些网络模型的处理层（视觉层）。现在我们已经证实对于一种确定的网络结构，OpenCV DNN的结果非常匹配真实的结果，而且我们还证实在一些论文中的训练结果，也可以使用OpenCV DNN复现。

4、模块的性能大大提升，实现层融合（layer fusion），并且一些性能关键的层还使用AVX，AVX2，SSE，NEON，使其性能大大提供，另外BLAS 库已被移除。

5、DL模块现在除了libprotobuf其他都不需要额外的依赖项，现在libprotobuf也已经加入到OpenCV中。

6、加入一些新的C++和Python例程。

7、OpenCV DNN支持GPU加速。

8、IPPICV（并行计算库）从2015.2版本升级到2017.2版本，在core、imgproc模块性能提高约15%。

9、现在可以通过CMake中的-DENABLE_CXX11=ON开启代码的C++11支持，在最新的linux发行版本中，比如最新的Fedora系统，这项配置默认是开启的。

10、通过英特尔Media SDK，可以使用GUP对视频的编码、解码过程进行硬件加速，比如cv::VideoCaptureand和cv::VideoWriter过程等。

可见以后opencv对深度学习的支持力度会更大。

OpenCV 3.3 Change Logs原文：https://github.com/opencv/opencv/wiki/ChangeLog

Deep Learning in OpenCV更新日志：https://github.com/opencv/opencv/wiki/Deep-Learning-in-OpenCV