dlib vs opencv 什么时候使用答案

【问题标题】：dlib vs opencv which one to use whendlib vs opencv 什么时候使用
【发布时间】：2016-09-09 22:44:51
【问题描述】：

我目前正在使用 Python 学习 OpenCV API，一切都很好。我正在取得不错的进展。它的一部分来自 Python 语法的简单性，而不是与我尚未尝试过的 C++ 一起使用它。我开始意识到，如果我打算做任何生产质量的事情，我必须在某些时候对 OpenCV 的 C++ 绑定有所了解。

就在最近，我遇到了 dlib，它还声称可以完成 OpenCV 所做的所有事情，甚至更多。它是用 C++ 编写的，并且也提供 Python API（惊喜）。任何人都可以根据自己的实施经验为 dlib 担保吗？

【问题讨论】：

我已经广泛使用 opencv 进行图像处理，但没有听说过 dlib。 dlib 看起来不仅仅是图像处理（您可能想要也可能不想要），而且看起来也不像 opencv 那样功能齐全。此外，opencv 对许多 dlib 中似乎不存在的算法进行了许多优化
OpenCV - 图像处理库。 Dlib - 机器学习库。他们是不同的，解决不同的任务。有些项目需要它们两个
请注意：如果您从源代码编译 OpenCV，则可以向其中添加大量机器学习内容。
在识别人脸方面，我确实测试了OpenCV 从分辨率不错的图像中识别人脸，我似乎在小样本图像中得到误报（使用所有 4 个可用的人脸识别 Haar Cascade xmls)。我接下来要测试dlib，因为它在通过机器学习识别人脸方面应该会更好。
你没有说你在做什么样的项目，你的目标是什么，你面临什么样的限制。因为这两个库有不同的预期用途，所以没有办法向您推荐任何东西。

【解决方案1】：

我已将 OpenCV 和 dlib 广泛用于人脸检测和人脸识别，与基于 OpenCV Haar 的人脸检测器相比，dlib 准确得多。（请注意，OpenCV 现在有一个 DNN 模块，我们可以在其中获得基于深度学习的人脸检测器和人脸识别器模型。）

我正在比较 OpenCV-DNN 与 Dlib 的人脸检测/识别。完成后会发布结果。

dlib 中有许多有用的功能，但我更喜欢 OpenCV 用于任何其他 CV 任务。

编辑：正如所承诺的，我对 OpenCV 与 Dlib 人脸检测方法进行了详细比较。

这是我的结论：

在大多数应用程序中，我们事先不会知道图像中人脸的大小。因此，最好使用 OpenCV – DNN 方法，因为它非常快速且非常准确，即使对于小尺寸的人脸也是如此。它还可以检测各种角度的人脸。我们建议在大多数情况下使用 OpenCV-DNN

Dlib HoG 是 CPU 上最快的方法。但它不会检测到小尺寸的人脸（

更多详情可以关注this blog

【讨论】：