登录社区云，与社区用户共同成长
邀请您加入社区
SpireCV-Pro 是一个专为智能无人系统、移动机器人和边缘 AI 设备打造的实时感知开发平台。它不是单纯把算法模型封装成 SDK，而是把相机、视频流、激光雷达、目标检测、分割、跟踪、吊舱控制、结果可视化、视频保存、推流、ROS2 转发、评估与数据迭代等能力，拆解成可以多平台（工作站、NX、瑞芯微、昇腾）自由组合的节点，让开发者像搭积木一样构建自己的感知工作流。。
摘要： CANN ops-cv是昇腾NPU专用的计算机视觉算子仓库，包含Resize、NMS、ROIAlign等核心算子，用于图像缩放、目标检测等任务。该仓库解决了视觉推理中的两大痛点：图像前处理的高计算量（如4K图像缩放）和目标检测后处理的高延迟（如NMS的O(n²)复杂度）。通过Ascend C原生实现，算子直接在NPU上运行，避免CPU-NPU数据传输开销。ops-cv算子分为image类（
本文介绍了在昇腾NPU上使用ops-cv算子库优化YOLOv8目标检测后处理流程的方法。重点分析了NMS、ROIAlign和BboxTransform三个关键算子的作用及实现难点，并提供了完整的YOLOv8后处理代码示例。通过将后处理算子迁移到NPU执行，可显著降低30%的CPU处理延迟至5%以下。文章还介绍了DVPP硬件预处理模块的使用方法，展示了从图像输入到最终检测结果的完整NPU加速流程。
开发者可以通过仓库中的examples目录，获取各类算子的调用示例，例如GridSample算子的空间变换示例、Resize算子的不同插值方式示例、NMS算子的目标框剔除示例等，每个示例都配有完整的代码和注释，清晰展示算子的参数配置、调用流程以及结果分析；与通用算子库不同，ops-cv针对视觉任务的特性，对每个算子进行定制化优化，充分利用昇腾NPU的专用CV指令集和并行计算能力，大幅提升图像处理和
摘要：本文详细介绍了YOLOv8目标检测模型在昇腾Atlas系列设备的端到端部署方案。重点阐述了从PyTorch模型到ONNX再到昇腾专属OM格式的转换流程，包括关键参数配置和常见问题解决方法。同时提供了基于AscendC++的推理引擎开发指南，涵盖模型加载、预处理、推理执行和后处理等核心环节。此外，文章还介绍了使用AMCT工具进行8bit量化优化的方法，量化后模型体积减少75%，推理速度提升40
本文介绍了如何在鸿蒙系统中实现机器视觉与目标跟踪功能。机器视觉在智能监控、自动驾驶等领域应用广泛，目标跟踪是其中的关键环节。文章概述了常用的视觉算法（如YOLO、SSD）和跟踪技术（如KLT、DeepSORT），并提供了基于OpenCV的示例代码展示实时目标跟踪的实现。最后提出了优化策略，包括硬件加速、算法选择和模型精简，以提升系统性能。该方案适用于需要实时视觉处理的智能设备开发。
