Ming Yan
Ming Yan
最近尝试用Halide加速responsemap构造的过程，目前仅仅测试了 quantizedOrientations 函数能不能加速，可是发现一个不理解的现象，就是对于一张 2048x2048的RGB图像， 如果放到整个匹配的过程里面跑，测时间，量化梯度方向 quantizedOrientations 仅仅需要 120ms 左右。但是如果将 quantizedOrientations 单独拿出来跑却需要 450ms。所谓单独跑是这样的，因为要对比 自己写的 Halide 加速的 quantizedOrientations 函数，所以将quantizedOrientations 连带hysteresisGradient 直接从line2Dup.cpp 里复制出来，编译成一个可执行文件 去跑一张图像做对比。请问有谁知道，出现这种情况有可能是什么原因，完全摸不着头脑。opencv 版本是 3.4.5 gcc版本7.5，不知道会不会是编译的问题。
一直埋头踩坑，才发现@meiqua大大已经手工做好了fusion版本，太高效了
@meiqua 刚按照Halide 的语法写好piplline，只是到量化方向，还没spread，优化只是做了一些parallels和vectors，自动优化也还没尝试， 目前就是卡在前面说的单独测试，Halide写的能把450ms的流程加速到160ms，但是放到整个匹配的流程里面，速度竟然没有opencv的快，有点懵圈，还在检查中
另外Halide感觉没有想象中的好用，主要是实现图像操作的语法有些不一样，安装也配LLVM也不容易，踩坑踩得吐血
@meiqua RGB图的fusion最近有计划更新吗？
@meiqua 好的，我这边做的RGB的pipline，RGB的化如果涉及不同目标的自然场景的检测应该能提高精度，工业场景确实没必要