VM4.3
機器視覺應用中，通用型和平臺型軟件有助于縮短視覺應用的開發周期，一定程度上降低了開發門檻。針對在此類應用中多模塊復雜方案場景下常見的資源占用大及軟件效率低的問題，?？禉C器人聚焦軟件底層算法效率提升和資源占用優化，對VM進行了煥新升級，正式發布VM4.3。
在VM軟件層，VM4.3優化了內存分配機制，根據工具模塊所需內存大小對內存資源進行了預分配，大幅提升了整體數據傳輸效率和內存使用率，有效降低了內存分配耗時，使軟件在資源開銷管理上更加游刃有余。同時，VM4.3改進了資源加載策略，通過按需加載和異步加載的方式，極大提升了軟件啟動及方案加載的速度，為用戶帶來流暢的使用體驗。相比于VM4.2，VM4.3在內存占用、多流程運行效率、界面渲染、方案加載、二次開發數據傳遞等方面有顯著提升。
在算法層，基于算法原理，VM4.3深度優化了算法耗時的關鍵節點。以典型的算法模塊—模板匹配為例，影響模板匹配耗時的主要有兩個階段：圖像特征提?。磫未嗡阉骱臅r）及搜索次數。VM4.3的模板匹配算法可根據模板圖像特點自適應選擇邊緣閾值、特征鏈長和金字塔層數，提取出最合適的特征點，從而降低了單次匹配耗時。
同時，算法采用可變金字塔及自適應搜索步長取代傳統算法金字塔搜索方法，實現對目標區域的快速聚焦，大幅減少匹配次數。
經過優化的匹配算法，相較于VM4.2及市面上主流視覺軟件的匹配效率有明顯優勢。
除了傳統算法外，VM4.3深度學習算法在CPU上的運行效率也有較大提升，有效降低對GPU的依賴，以及用戶的深度學習應用部署成本。
在提升算法效率的同時，VM4.3改進了底層算法和代碼實現設計，減少資源冗余占用，顯著降低了對內存的開銷，大部分算法內存消耗相較于VM4.2都有明顯降低，使VM在復雜視覺應用中更加從容。除了算法效率提升，VM4.3還進一步優化了算法性能。以模板匹配算法為例，通過采用更魯棒的邊緣定位技術，在極低對比度及復雜邊緣干擾的情況下，VM4.3能夠精準定位到目標。
同時，改進后的目標篩選策略，使得VM4.3模板匹配算法能夠在小目標及強背景干擾環境下更高效更穩定地定位目標，具備更優秀的場景適應性。
此外，VM4.3還進一步了擴充算法工具和功能。新增的注冊分類算法可實現類別的快速注冊和在線訓練，尤其適用于產品正反、有無及類別的檢測和判斷。
針對項目現場對軟件維護便利性和方案保密性的需求，VM4.3還新增了綜合配置界面，可以將方案中所需調節的參數抽取到同一界面并可按組分類，不進入方案也可完成對模塊ROI，運行參數，判斷條件等的修改，提升了視覺應用后期的維護便利性。
【免責聲明】所刊原創內容之本文僅代表作者本人觀點，與新戰略機器人網無關。新戰略機器人網站對文中陳述、觀點判斷保持中立。本網轉載自其它媒體的信息，轉載目的在于傳遞更多信息，并不代表本網贊同其觀點和對其真實性負責。
【版權聲明】凡本網注明“來源：xzl機器人”的所有作品，著作權屬于新戰略機器人網站所有，未經本站之同意或授權，任何人不得以任何形式重制、轉載、散布、引用、變更、播送或出版該內容之全部或局部，亦不得有其他任何違反本站著作權之行為。違反上述聲明者，本網將追究其相關法律責任。轉載、散布、引用須注明原文來源。
