超越苹果M1，OpenCV4.7在华为昇腾架构下仅3.29ms完成Res

，英特尔开源计算机视觉库OpenCV 4.7于去年12月正式发布新版本带来了全新的ONNX层，大大提升了DNN码的卷积性能，同时也提供了华为对DNN模块的后端支持

根据OpenCV中国团队的最新测试，在CANN加速能力的基础上，在OpenCV动物园用PP—ResNet50，MobileNet，YOLOX对CANN后端进行测试，发现三款车型在CANN后端下分别取得了3.29ms，1.21ms，12.80ms的优异成绩。

同时，CANN后端的推理结果与默认CPU后端的推理结果基本一致。有了OpenCV，用户无需学习CANN的API，只需调用Ascending AI处理器，用下面7行Python代码就可以实现神经网络加速推理:

import cv 2 ascvnet = cv . dnn . readnet net . setpreferableback endnet . setpreferabletargetinput = cv . im readnet设置输入)out = net使用CANN后端推理的Forward()示例代码

南科大计算机系余老师介绍，OpenCV针对ARM CPU进行优化，如winograd等，在苹果基准CPU上完成ResNet50推理需要20ms以上，而华为ascend只需要3.29ms。

本站了解到，Ascension CANN是华为针对AI场景推出的异构计算架构盛腾CANN支持盛思MindSpore，OpenCV DNN，Paddle，PyTorch，TensorFlow等神经网络推理和训练框架，兼容多种底层硬件设备