OpenCV 3.3 릴리즈 & 변경점

OpenCV 3.3 버전이 정식으로 릴리즈되었습니다. 원래 7월 중순으로 스케줄이 잡혀있었습니다만 약간 늦어져서 어제 릴리즈가 되었네요. OpenCV 3.3 버전에 대한 소개는 아래 링크를 참고하세요.

http://opencv.org/opencv-3-3.html

OpenCV 3.3 버전에서 가장 큰 변경점은 dnn(deep neural network) 모듈이 이전에 opencv_contrib 쪽에 있다가 이번에 메인인 opencv 소스쪽으로 옮겨졌다는 것입니다. 그리고 Halide(할라이드)라는 새로운 영상 처리 전용 언어를 처음으로 적용하였고, 다양한 최적화와 기능 향상을 추가했다고 합니다. 좀 더 자세한 변경점은 아래 링크를 참고하시구요..

https://github.com/opencv/opencv/wiki/ChangeLog

위 페이지에 나타난 몇가지 항목에 대해 간략한 번역을 해봤습니다. (번역하지 않은 문장도 있으니 자세한 사항은 원문 링크를 참고하세요.)

• High-level API has been modified and is even more convenient now.
  고수준 API가 개선되어 사용하기 더 편리해졌습니다.
  
  
• The regression tests have been expanded, some new tests have been added. Now, there are 46 of them.
  회귀 테스트가 확장었고, 몇몇 새로운 테스트가 추가되었습니다. 이제 46개의 테스트가 있습니다.
  
  
• Many bugs have been fixed in Torch and TF loaders, as well as in some processing layers. Now we check that on a certain set of networks the results from OpenCV DNN match or very close to the results from the original frameworks. We also check that the results claimed in the papers for such networks are achievable with OpenCV DNN.
  Torch와 TF 로더(loader)와 몇몇 처리 레이어에 있던 많은 버그가 수정되었습니다. 이제 특정 네트워크에서 OpenCV DNN의 결과와 원본 프레임워크의 결과가 일치하는지를 확인합니다. 또한 특정 논문에서 주장하는 결과를 OpenCV DNN을 통해 달성할 수 있는지를 확인합니다.
  
  
• Performance has been substantially improved. Layer fusion has been implemented and some performance-critical layers have been optimized using AVX, AVX2, SSE and NEON. An external BLAS (OpenBLAS, MKL, ATLAS) is not needed anymore.
  성능이 크게 향상되었습니다. 레이어 융햡이 구현되었으며 몇몇 성능이 중요한 레이어는 AVX, AVX2, SSE, NEON 등을 사용하여 최적화되었습니다. OpenBLAS, MKL, ATLAS 같은 외부 BLAS는 더이상 필요하지 않습니다.
  
  
• New samples in C++ and Python have been added.
  새로운 C++과 Python 예제가 추가되었습니다.
  
  
• The optional Halide backend has been added. It can accelerate OpenCV DNN on GPU when the GPU is fast enough. See Deep Learning in OpenCV for details about the module.
  Halide 코드가 추가되었습니다. 이로써 GPU가 충분히 빠른 경우 GPU에서 OpenCV DNN을 빠르게 동작시킬 수 있습니다. 모듈에 대한 자세한 내용은 "Deep Learning in OpenCV"을 참고하십시오.
  
  
• Upgraded IPPICV from 2015.12 to 2017.2 version brought ~15% speed improvement into core and imgproc modules (measured as geometrical mean over the corresponding performance tests).
  IPPICV가 2015.12 버전에서 2017.2 버전으로 업그레이드되어 core와 imgproc 모듈에서 속도가 15%까지 향상되었습니다.
  
  
• Dynamic dispatching of SSE4.2/AVX/AVX2 code has been implemented. Previously, OpenCV had to be built with SSE4.x/AVX/AVX2 turned on in order to use such optimizations and that made it incompatible with older hardware. Now the OpenCV binaries automatically adapt to the real hardware and make use of new instructions if they are available while retaining compatibility with older hardware. All the existing AVX/AVX2 optimizations in OpenCV have been refactored to use this technology. AVX acceleration of DNN also uses dynamic dispatching.
  SSE4.2/AVX/AVX2 코드의 동적 디스패칭이 구현되었습니다. 이전에는 이러한 최적화를 사용하기 위해 SSE4.x/AVX/AVX2를 켜고 OpenCV를 빌드해야했기 때문에 OpenCV는 이전 하드웨어와 호환되지 않았습니다. 이제 OpenCV 바이너리는 실제 하드웨어에 자동으로 적응하고 구형 하드웨어와의 호환성을 유지하면서 사용 가능한 새로운 명령어를 사용합니다. 기존에 있던 모든 OpenCV AVX/AVX2 최적화 기법은 리펙토링되어 이러한 기술을 사용합니다. DNN을 위한 AVX 가속화도 동적 디스패치를 사용합니다.
  
  
• OpenCV can now be configured and built as C++ 11 library. Pass -DENABLE_CXX11=ON to CMake. On some modern Linux distributions, like the latest Fedora, it’s enabled by default.
  OpenCV는 이제 C++11 라이브러리를 사용하여 구성할 수 있습니다. CMake에서 -DENABLE_CXX11=ON 을 설정하세요. 최신 Fedora같은 최근의 리눅스 배포판에서는 C++11 구성이 기본으로 활성화되어 있습니다.
  
  
• New features for C++ 11 users have been added:
  C++11 사용자를 위한 새로운 기능이 추가되었습니다.
  
  
• Support for hardware-accelerated video encoding/decoding using Intel GPUs through Intel Media SDK has been implemented for Linux (in the form of backends for cv::VideoCapture and cv::VideoWriter).
  리눅스에서 인텔 미디어 SDK를 통해 인텔 GPU를 사용하는 하드웨어 가속 비디오 인코딩/디코딩에 대한 지원이 구현되었습니다.
  
  

OpenCV 3.3은 아래 링크에서 다운로드 받을 수 있습니다.

https://github.com/opencv/opencv/releases/tag/3.3.0

위 사이트에서 opencv-3.3.0-vc14.exe 파일은 Windows 환경에서 Visual Studio 2015를 이용하여 미리 빌드한 LIB, DLL 파일을 제공합니다. 그러나 이 DLL 파일은 opencv_contrib 쪽 코드는 포함되어 있지 않기 때문에 opencv_contrib 코드까지 사용하려면 아래 두 소스 코드 압축 파일을 다운로드 받아 직접 빌드해야 합니다.

https://github.com/opencv/opencv/archive/3.3.0.zip

https://github.com/opencv/opencv_contrib/archive/3.3.0.zip

이전에 OpenCV 3.3.0-rc 버전의 경우에는 structured_edge_detection.cpp 파일을 수정해야 정상 빌드가 되었었는데요("OpenCV 3.3.0-rc 버전 릴리즈 & Visual Studio에서 빌드하기" 글 참조), OpenCV 3.3 정식 릴리즈에서는 이 코드가 수정이 되어 있네요 :-)

그렇기때문에 CMake로 적당히 설정하면 잘 빌드됩니다. 실제로도 Visual Studio 2017 버전으로 잘 빌드되는 것을 확인했구요.. 추후 시간이 되면 Visual Studio 2017 버전으로 OpenCV 3.3을 빌드하는 방법을 간략히 정리해보도록 하죠.