OpenCV 5 发布：升级全新 DNN 引擎、原生支持大模型
OpenCV 5 是一次架构级大更新，DNN 引擎重写、ONNX 覆盖率从 23% 跳到 80%，原生支持大模型推理，做模型部署的该关注了。
OpenCV 5 正式发布，采用基于图的 DNN 引擎，ONNX 算子覆盖率从 4.x 的不到 23% 提升至超 80%，原生支持 Transformer、视觉语言模型（VLM）和大语言模型（LLM）。其他更新包括：更好的 Python 集成与命名参数、更紧凑核心代码、清晰硬件加速层、原生 FP16/BF16、规范化 0D/1D 张量、扩展 3D 视觉及现代化文档。该库 GitHub 拥有超 86,000 stars，每日安装量超一百万次。
IT之家 6 月 6 日消息，OpenCV 团队本周正式发布了 OpenCV 5。
据介绍，二十多年来，OpenCV 一直是计算机视觉研究、机器人技术、嵌入式视觉、AI 应用、工业检测、AR / VR、医学成像以及无数生产系统的基础。如今，该库在 GitHub 上拥有超过 86,000 颗 stars，每天的安装量超过一百万次，并且拥有世界上最庞大的计算机视觉算法集合之一。
OpenCV 5 在此基础之上，对该库进行了重大的现代化改造。它带来了全新的 DNN 引擎、更强大的 ONNX 支持、硬件加速方面的改进、更好的 Python 集成、新的数据类型、扩展的 3D 视觉功能、改进的文档，以及面向未来更清晰的架构。
▲ ONNX 算子覆盖率从 4.x 时期的不到 23% 增加到超 80%
IT之家附 OpenCV 5 主要更新内容如下：
更好的语言支持：现代化的 Python、更新的语言绑定（bindings），以及使用命名参数（named arguments）而非靠猜测来确定参数顺序。
更快、更小巧的核心：更紧凑的代码、弃用传统的 C API，以及更精简的构建方式。
更清晰的硬件加速层：使硬件供应商能够直接插入优化后的内核（kernels），而不会陷入杂乱的 #ifdef 条件编译之中。
更简洁的 API：规范的 0D/1D 张量（tensors）、原生的 FP16/BF16 支持，以及真正的日志记录机制。
下一代 DNN 引擎：基于图（graph-based）的架构，支持算子融合（fusions）、广泛的 ONNX 支持，以及对 Transformer 模型、视觉语言模型 / 大型语言模型（VLM / LLMs）的支持。
更好的 3D 视觉：ChArUco 标定板、多相机标定以及可视化功能。
更好的文档：现代化、易于导航，且阅读体验令人愉悦。