Dlib介绍

我会带着你远行 2022-03-29 20:48 512阅读 0赞

# Dlib介绍 #

Dlib是一个现代化的C ++工具箱，其中包含用于在C ++中创建复杂软件以解决实际问题的机器学习算法和工具。它广泛应用于工业界和学术界，包括机器人，嵌入式设备，移动电话和大型高性能计算环境。Dlib的[开源许可证][Link 1] 允许您在任何应用程序中免费使用它。

Dlib有很长的时间，包含很多模块，近几年作者主要关注在机器学习、深度学习、图像处理等模块的开发。

## 主要特点 ##

*  **文档丰富**
    
     *  与许多开源项目不同的是，Dlib为每个类和功能提供了完整和精确的文档。同时它还有调试模式，可以帮助你检查使用某个函数的先决条件。启用此功能后，它将捕获由于错误地调用函数或以不正确的方式使用对象而导致的绝大多数错误。
     *  提供了许多示例程序（非常有用的示例！）
     *  *我认为文档是函数库最重要的部分*。因此，如果您发现任何未记录的内容，不清楚或已过时的文档，请告诉原作者，作者会及时修复它。
 *  **高质量的广泛兼容的代码**
    
     *  好的单元测试覆盖率。代码的单元测试行与库代码行之比约为1到4。
     *  该库在MS Windows，Linux和Mac OS X系统上定期进行测试。事实上，它可以在任何POSIX系统上运行，并且已经在Solaris，HPUX和BSD上使用。
     *  没有其他软件包依赖。只需要通过开箱即用的操作系统提供的底层API。
     *  在使用库之前，不需要安装或配置步骤。有关详细信息，请参阅 [如何编译][Link 2]页面。
     *  所有操作系统特定的代码都被隔离在尽可能小的操作系统抽象层中。库的其余部分要么在OS抽象层之上分层，要么是纯ISO标准C ++。
 *  **机器学习算法**
    
     *  [深度学习Deep Learning][Deep Learning]
     *  传统的基于SMO的支持向量机用于[分类（][Link 3][classification）][Link 3] 和 [回归（][Link 4][regression）][Link 4]
     *  用于大规模[分类][Link 5] 和[回归的Reduced-rank methods][Reduced-rank methods]
     *  用于[分类][Link 6] 和[回归的推荐相关向量机（*Relevance vector machine*][Relevance vector machine])
     *  通用[多类分类（][Link 7][multiclass classification）][Link 7]工具
     *  一个[多类SVM（][SVM][Multiclass SVM）][SVM]
     *  解决与[结构支持向量机（][Link 8][structural support vector machines][Link 8][）][Link 8]相关的优化问题的工具 。
     *  用于[序列标记（][Link 9][sequence labeling][Link 9][）的][Link 9]结构SVM工具
     *  用于解决[分配问题（][Link 10][assignment problems][Link 10][）的][Link 10]结构SVM工具
     *  用于图像中[物体检测（][Link 11][object detection][Link 11][）的][Link 11]结构SVM工具以及用于[物体检测的][Link 11]更强大（但更慢）的[深度学习工具（][Link 12][deep learning tools for object detection][Link 12][）][Link 12]。
     *  用于[标记][Link 13]图中[节点的][Link 13]结构SVM工具（[labeling nodes][Link 13]）
     *  一个大规模的[SVM-Rank][]实现
     *  在线[核RLS回归（][RLS][kernel RLS regression][RLS][）][RLS]算法
     *  在线[SVM分类（][SVM 1][SVM classification][SVM 1][）][SVM 1]算法
     *  [半确定度量学习（Semidefinite Metric Learning）][Semidefinite Metric Learning]
     *  在线核化的[质心估计器（][Link 14][centroid estimator][Link 14][）][Link 14] /新颖检测器和离线支持矢量[一类分类器（][Link 15][one-class classification][Link 15][）][Link 15]
     *  聚类算法：[线性][Link 16] 或[核k-means][k-means]， [Chinese Whispers聚类][Chinese Whispers]和 [Newman聚类][Newman]。
     *  [径向基函数网络（Radial Basis Function Networks）][Radial Basis Function Networks]
     *  [多层感知器（Multi layer perceptrons）][Multi layer perceptrons]
 *  **数值计算算法**
    
     *  使用表达式模板技术实现的快速[矩阵][Link 17]对象，并且在可用时能够使用BLAS和LAPACK库。
     *  为矩阵对象定义了许多线性代数和数学运算，如 [奇异值分解][Link 18]， [转置][Link 19]， [三角函数][Link 20]等。
     *  使用[共轭梯度][Link 21]， [BFGS][]和 [L-BFGS][] 技术的通用非约束非线性优化算法
     *  [Levenberg-Marquardt][]用于求解非线性最小二乘问题
     *  通过[BOBYQA][]算法进行箱约束无导数优化
     *  的的实现[割平面算法优化（Optimized Cutting Plane Algorithm）][Optimized Cutting Plane Algorithm]
     *  [Several][] [quadratic][] [program][] [solvers][]
     *  用于求解[最优分配][Link 22]和 [最小切割/最大流动][Link 23]问题的组合优化工具 以及用于查找most probable parse tree的[CKY算法][CKY]
     *  一个[大整数][Link 24]对象
     *  一个[随机数][Link 25]对象
 *  **图形模型推理算法**
    
     *  [加入树][Link 26]算法在贝叶斯网络中进行精确推理。
     *  [吉布斯采样][Link 27]马尔可夫链monte carlo算法用于贝叶斯网络中的近似推断。
     *  在[链式结构][Link 28]， [Potts][]或 [一般][Link 29]因子图中执行MAP推断的例程 。
 *  **图像处理**
    
     *  用于[读取][Link 30]和 [保存][Link 31]常见图像格式的例程。
     *  各种像素类型之间的自动颜色空间转换
     *  常见的图像操作，如边缘检测和形态学操作
     *  [SURF][]， [HOG][]和[FHOG][] 特征提取算法。（可惜木有SIFT和ORB）
     *  用于图像中的[对象][Link 32][检测][Link 32][的][Link 32]工具，包括 [正面人脸检测][Link 33]和 [对象姿势估计][Link 34]。
     *  高质量的[人脸识别][Link 35]
 *  **线程**
    
     *  该库提供了一个可移植且简单的[线程API][API]
     *  用于线程[间和进程间][Link 36]通信的消息传递[管道][Link 37]
     *  一个[计时器][Link 38]对象，能够生成按时间间隔排列的事件
     *  [线程对象][Link 39]
     *  [线程函数][Link 40]
     *  [循环并行][Link 41]
     *  [面向未来的thread\_pool][thread_pool]
 *  **网络通信**
    
     *  该库提供了一个可移植且简单的[TCP套接字API][TCP_API]
     *  帮助您制作基于TCP的[服务器][Link 42]的对象
     *  [iostream][]和[streambuf][] 对象，使TCP套接字能够与C ++ iostreams库互操作
     *  一个简单的[HTTP服务器][HTTP]对象，可用于将Web服务器嵌入到应用程序中
     *  用于线程[间和进程间][Link 36]通信的消息传递[管道][Link 37]
     *  用于使用[批量同步并行（BSP）][BSP]计算模型实现算法的工具
 *  **图形用户界面**
    
     *  该库提供了一个便携且简单的核心[GUI API][]
     *  在核心GUI API的基础上实现了许多[小部件][Link 43]
     *  与许多其他GUI工具包不同，整个dlib GUI工具包是线程安全的
 *  **数据压缩和完整性检查算法**
    
     *  [CRC 32][]对象
     *  [MD5][]功能
     *  代表[数据压缩][Link 44] 算法部分的各种抽象对象。包括许多形式的PPM算法。
 *  **测试**
    
     *  在流行的Java日志记录器log4j之后的线程安全日志[记录器][Link 45]对象
     *  模块化的[单元测试框架][Link 46]
     *  各种[断言][Link 47]宏对测试前置条件很有用
 *  **其他通用功能**
    
     *  一个类型安全的[对象，][Link 48]用于在大小字节排序之间进行转换
     *  一个[命令行解析器][Link 49]，能够使用各种参数和选项分析和验证命令行
     *  一个[XML解析器][XML]
     *  可以执行[base64][]转换的对象
     *  许多[容器类][Link 50]
     *  [序列化支持][Link 51]
     *  许多实现不同内存池策略的[内存管理器][Link 52]对象
     *  一个工具，可以让您轻松地[从MATLAB调用C ++][MATLAB_C]

来源：  
[https://dlib.net.cn/][https_dlib.net.cn]  
[http://dlib.net/][http_dlib.net]

[Link 1]: https://www.dlib.net.cn/docs/license.html
[Link 2]: https://www.dlib.net.cn/docs/compile.html
[Deep Learning]: https://www.dlib.net.cn/docs/ml.html#add_layer
[Link 3]: https://www.dlib.net.cn/docs/ml.html#svm_nu_trainer
[Link 4]: https://www.dlib.net.cn/docs/ml.html#svr_trainer
[Link 5]: https://www.dlib.net.cn/docs/ml.html#svm_c_ekm_trainer
[Reduced-rank methods]: https://www.dlib.net.cn/docs/ml.html#krr_trainer
[Link 6]: https://www.dlib.net.cn/docs/ml.html#rvm_trainer
[Relevance vector machine]: https://www.dlib.net.cn/docs/ml.html#rvm_regression_trainer
[Link 7]: https://www.dlib.net.cn/docs/ml.html#one_vs_one_trainer
[SVM]: https://www.dlib.net.cn/docs/ml.html#svm_multiclass_linear_trainer
[Link 8]: https://www.dlib.net.cn/docs/ml.html#structural_svm_problem
[Link 9]: https://www.dlib.net.cn/docs/ml.html#structural_sequence_labeling_trainer
[Link 10]: https://www.dlib.net.cn/docs/ml.html#structural_assignment_trainer
[Link 11]: https://www.dlib.net.cn/docs/ml.html#structural_object_detection_trainer
[Link 12]: https://www.dlib.net.cn/docs/ml.html#loss_mmod_
[Link 13]: https://www.dlib.net.cn/docs/ml.html#structural_graph_labeling_trainer
[SVM-Rank]: https://www.dlib.net.cn/docs/ml.html#svm_rank_trainer
[RLS]: https://www.dlib.net.cn/docs/ml.html#krls
[SVM 1]: https://www.dlib.net.cn/docs/ml.html#svm_pegasos
[Semidefinite Metric Learning]: https://www.dlib.net.cn/docs/ml.html#vector_normalizer_frobmetric
[Link 14]: https://www.dlib.net.cn/docs/ml.html#kcentroid
[Link 15]: https://www.dlib.net.cn/docs/ml.html#svm_one_class_trainer
[Link 16]: https://www.dlib.net.cn/docs/ml.html#find_clusters_using_kmeans
[k-means]: https://www.dlib.net.cn/docs/ml.html#kkmeans
[Chinese Whispers]: https://www.dlib.net.cn/docs/ml.html#chinese_whispers
[Newman]: https://www.dlib.net.cn/docs/ml.html#newman_cluster
[Radial Basis Function Networks]: https://www.dlib.net.cn/docs/ml.html#rbf_network_trainer
[Multi layer perceptrons]: https://www.dlib.net.cn/docs/ml.html#mlp
[Link 17]: https://www.dlib.net.cn/docs/linear_algebra.html#matrix
[Link 18]: https://www.dlib.net.cn/docs/dlib/matrix/matrix_la_abstract.h.html#svd
[Link 19]: https://www.dlib.net.cn/docs/dlib/matrix/matrix_utilities_abstract.h.html#trans
[Link 20]: https://www.dlib.net.cn/docs/dlib/matrix/matrix_math_functions_abstract.h.html#sin
[Link 21]: https://www.dlib.net.cn/docs/optimization.html#cg_search_strategy
[BFGS]: https://www.dlib.net.cn/docs/optimization.html#bfgs_search_strategy
[L-BFGS]: https://www.dlib.net.cn/docs/optimization.html#lbfgs_search_strategy
[Levenberg-Marquardt]: https://www.dlib.net.cn/docs/optimization.html#solve_least_squares_lm
[BOBYQA]: https://www.dlib.net.cn/docs/optimization.html#find_min_bobyqa
[Optimized Cutting Plane Algorithm]: https://www.dlib.net.cn/docs/optimization.html#oca
[Several]: https://www.dlib.net.cn/docs/optimization.html#solve_qp_using_smo
[quadratic]: https://www.dlib.net.cn/docs/optimization.html#solve_qp2_using_smo
[program]: https://www.dlib.net.cn/docs/optimization.html#solve_qp3_using_smo
[solvers]: https://www.dlib.net.cn/docs/optimization.html#solve_qp4_using_smo
[Link 22]: https://www.dlib.net.cn/docs/optimization.html#max_cost_assignment
[Link 23]: https://www.dlib.net.cn/docs/optimization.html#min_cut
[CKY]: https://www.dlib.net.cn/docs/optimization.html#find_max_parse_cky
[Link 24]: https://www.dlib.net.cn/docs/algorithms.html#bigint
[Link 25]: https://www.dlib.net.cn/docs/algorithms.html#rand
[Link 26]: https://www.dlib.net.cn/docs/bayes.html#bayesian_network_join_tree
[Link 27]: https://www.dlib.net.cn/docs/bayes.html#bayesian_network_gibbs_sampler
[Link 28]: https://www.dlib.net.cn/docs/optimization.html#find_max_factor_graph_viterbi
[Potts]: https://www.dlib.net.cn/docs/optimization.html#find_max_factor_graph_potts
[Link 29]: https://www.dlib.net.cn/docs/optimization.html#find_max_factor_graph_nmplp
[Link 30]: https://www.dlib.net.cn/docs/imaging.html#load_image
[Link 31]: https://www.dlib.net.cn/docs/imaging.html#save_bmp
[SURF]: https://www.dlib.net.cn/docs/imaging.html#get_surf_points
[HOG]: https://www.dlib.net.cn/docs/imaging.html#hog_image
[FHOG]: https://www.dlib.net.cn/docs/imaging.html#extract_fhog_features
[Link 32]: https://www.dlib.net.cn/docs/imaging.html#object_detector
[Link 33]: https://www.dlib.net.cn/docs/imaging.html#get_frontal_face_detector
[Link 34]: https://www.dlib.net.cn/docs/imaging.html#shape_predictor
[Link 35]: https://www.dlib.net.cn/docs/dnn_face_recognition_ex.cpp.html
[API]: https://www.dlib.net.cn/docs/api.html#threads
[Link 36]: https://www.dlib.net.cn/docs/network.html#bridge
[Link 37]: https://www.dlib.net.cn/docs/other.html#pipe
[Link 38]: https://www.dlib.net.cn/docs/other.html#timer
[Link 39]: https://www.dlib.net.cn/docs/api.html#threaded_object
[Link 40]: https://www.dlib.net.cn/docs/api.html#thread_function
[Link 41]: https://www.dlib.net.cn/docs/api.html#parallel_for
[thread_pool]: https://www.dlib.net.cn/docs/api.html#thread_pool
[TCP_API]: https://www.dlib.net.cn/docs/api.html#sockets
[Link 42]: https://www.dlib.net.cn/docs/network.html#server
[iostream]: https://www.dlib.net.cn/docs/network.html#iosockstream
[streambuf]: https://www.dlib.net.cn/docs/network.html#sockstreambuf
[HTTP]: https://www.dlib.net.cn/docs/network.html#server_http
[BSP]: https://www.dlib.net.cn/docs/network.html#bsp_context
[GUI API]: https://www.dlib.net.cn/docs/api.html#gui_core
[Link 43]: https://www.dlib.net.cn/docs/api.html#gui_widgets
[CRC 32]: https://www.dlib.net.cn/docs/algorithms.html#crc32
[MD5]: https://www.dlib.net.cn/docs/algorithms.html#md5
[Link 44]: https://www.dlib.net.cn/docs/compression.html
[Link 45]: https://www.dlib.net.cn/docs/other.html#logger
[Link 46]: https://www.dlib.net.cn/docs/other.html#dlib_testing_suite
[Link 47]: https://www.dlib.net.cn/docs/metaprogramming.html
[Link 48]: https://www.dlib.net.cn/docs/other.html#byte_orderer
[Link 49]: https://www.dlib.net.cn/docs/parsing.html#cmd_line_parser
[XML]: https://www.dlib.net.cn/docs/parsing.html#xml_parser
[base64]: https://www.dlib.net.cn/docs/parsing.html#base64
[Link 50]: https://www.dlib.net.cn/docs/containers.html
[Link 51]: https://www.dlib.net.cn/docs/other.html#serialize
[Link 52]: https://www.dlib.net.cn/docs/other.html#memory_manager
[MATLAB_C]: https://www.dlib.net.cn/docs/other.html#MATLAB
[https_dlib.net.cn]: https://dlib.net.cn/?p=33
[http_dlib.net]: http://dlib.net/