60行代码加速20倍 NEON实现深度学习OD任务后处理绘框

文章预览

前言   由于此前OD任务发现在检测后处理部分使用OpenCV较为占用资源且耗时， 本文 遂尝试使用NEON做后处理绘框，以达到加速并降低CPU资源消耗的目的。 Pytorch训练营，花两个星期彻底掌握代码实现 CV各大方向专栏与各个部署框架最全教程整理 CV全栈指导班、基础入门班、论文指导班 全面上线!! 一、实现思路 假设对一张Mat图像进行操作（其实也不仅仅是Mat对象，理论上只要知道图像通道的首指针即可），在ARM端使用NEON instrinc指令集里实现一个后处理绘框的功能，可以简单罗列成以下几步： 1. 定义参数：  首先确定图像的宽度和高度，图像的首地址指针，以及边界（边框）的厚度。 2. 向量寄存器加载：  使用NEON的加载指令从内存中加载像素数据到向量寄存器中。 3. 处理上下边框： 对于顶部边界，遍历整个第一行的像素，并使用NEON的存储指令将 ………………………………