OpenCV4 Skills Library
OpenCV4 + Ultralytics 完整技能集合
技能概览
基础技能
| 技能 | 描述 |
|---|---|
| basics | OpenCV 基础 - 图像读写、显示、绘制、色彩空间 |
| image-processing | 图像处理 - 几何变换、滤波、形态学、边缘检测 |
| feature-detection | 特征检测 - SIFT、ORB、AKAZE、特征匹配、图像拼接 |
深度学习与 AI
| 技能 | 描述 |
|---|---|
| dnn-inference | DNN 模块 - ONNX/TFLite/Darknet 模型推理 |
| yolo-integration | YOLO 集成 - Ultralytics YOLOv5/v8/v11 目标检测/分割/姿态 |
| video-analysis | 视频分析 - 光流、背景分离、运动检测 |
| depth-estimation | 深度估计 - 单目/双目深度、RGB-D、点云 |
相机与标定
| 技能 | 描述 |
|---|---|
| camera-calibration | 相机标定 - 单目/双目标定、畸变校正、立体匹配 |
边缘部署
| 技能 | 描述 |
|---|---|
| edge-platforms/nvidia-jetson | NVIDIA Jetson - JetPack、CUDA、TensorRT 部署 |
| edge-platforms/rockchip-rknn | Rockchip RKNN - RK3588/RK3399Pro NPU 加速 |
| edge-platforms/openvino | Intel OpenVINO - CPU/GPU/VPU 加速 |
| edge-platforms/tensorrt | TensorRT 加速 - INT8/FP16 量化、Engine 优化 |
快速导航
新手入门
- 先学习 basics 掌握基础操作
- 学习 image-processing 了解图像处理
- 学习 dnn-inference 掌握深度学习推理
目标检测
- 学习 yolo-integration 掌握 YOLO 使用
- 学习 edge-platforms 选择部署平台
边缘部署
- Jetson: nvidia-jetson + tensorrt
- RK3588: rockchip-rknn
- Intel: openvino
技术栈
- OpenCV: 4.x 系列
- Python: 3.8+
- 深度学习框架: PyTorch, TensorFlow
- 模型格式: ONNX (推荐), TFLite, Darknet, Caffe
- YOLO: Ultralytics YOLOv5/v8/v11
- 边缘硬件: NVIDIA Jetson, Rockchip RK3588, Intel CPU/GPU/VPU