<font style="vertical-align: inherit;"><font style="vertical-align: inherit;">简介</font></font>

介绍¶

Kornia是PyTorch的可区分计算机视觉库。

它由一组例程和可区分模块组成，用于解决通用计算机视觉问题。该软件包的核心是使用PyTorch作为其主要后端，以提高效率并利用反向模式自动微分来定义和计算复杂函数的梯度。

受OpenCV的启发，该库由包含运算符的软件包的子集组成，可以将这些运算符插入神经网络中以训练模型以执行图像转换，对极几何，深度估计以及低级图像处理（例如直接运行的滤波和边缘检测）在张量上。

为什么选择科尼亚？

借助Kornia，我们填补了PyTorch生态系统的空白，引入了计算机视觉库，该库实现了标准视觉算法，并利用了PyTorch等现代深度学习框架可以提供的不同属性：

1. 商品的可区分性，避免为复杂的损失函数编写导数函数。

2. 透明度到eitherin使用批次在一个共同的API CPU或GPU设备上执行的并行或串行计算。

3. 分发用于计算大型应用程序。

4. 使用JIT编译器进行生产准备。

突出特点¶

从粒度上讲，Kornia是一个包含以下组件的库：

零件	描述
科尔尼亚	像OpenCV这样的差异化计算机视觉库，具有强大的GPU支持
科尔尼亚	在GPU中执行数据扩充的模块
颜色	一组执行色彩空间转换的例程
康妮	用户贡献和实验运算符的汇编
增强能力	执行归一化和强度转换的模块
角膜功能	执行特征检测的模块
过滤器	执行图像过滤和边缘检测的模块
角几何	几何计算机视觉库，以使用不同的相机模型执行图像转换，3D线性代数和转换
损失	一堆损失函数来解决不同的视觉任务
kornia.utils	图像到张量实用程序和视觉问题的度量

引用我们¶

@inproceedings{eriba2020kornia,
  author    = {E. Riba, D. Mishkin, J. Shi, D. Ponsa, F. Moreno-Noguer and G. Bradski},
  title     = {A survey on Kornia: an Open Source Differentiable Computer Vision Library for PyTorch},
  year      = {2020},
}

@inproceedings{eriba2019kornia,
  author    = {E. Riba, D. Mishkin, D. Ponsa, E. Rublee and G. Bradski},
  title     = {Kornia: an Open Source Differentiable Computer Vision Library for PyTorch},
  booktitle = {Winter Conference on Applications of Computer Vision},
  year      = {2020},
  url       = {https:///pdf/1910.02190.pdf}
}

@misc{Arraiy2018,
  author    = {E. Riba, M. Fathollahi, W. Chaney, E. Rublee and G. Bradski},
  title     = {torchgeometry: when PyTorch meets geometry},
  booktitle = {PyTorch Developer Conference},
  year      = {2018},
  url       = {https://drive.google.com/file/d/1xiao1Xj9WzjJ08YY_nYwsthE-wxfyfhG/view?usp=sharing}
}