【开发实战】QT5 + 深度学习六大应用案例
点击这里，即可一键获取六大案例源码与相关资料
QT5 + OpenCV4.8
QT5 + OpenCV4.8 开发与配置环境搭建，请看博客文章
QT5 + OpenCV4 开发环境配置应用演示
深度学习模型部署
深度学习模型部署有很多成熟的框架，当前经常使用的深度学习模型推理与部署框架包含：
OpenCV DNN
OpenVINO
ONNXRUNTIME
TensorRT
libtorch
它们都支持Python与C++ SDK，支持多种模型压缩与量化机制，支持模型同步与异步推理。
考虑到硬件普适性与高性价比，对于小于30MB的模型，OpenVINO + CPU的解决方案都会是比较合理跟高性价比的。现在OpenVINO2024最新版本还支持大模型+CPU的部署方案，只要几行代码即可完成。
基于OpenVINO C++ SDK集成QT，实现了六个非常有用的深度学习应用案例，演示截图分别是：
一 人像抠图 背景提取与替换
二 图像修复与自动水印移除 
三 实时人脸识别应用
四 健身智能 - 自动引体向上计数
五 条码识别 OpenCV + ZXing
六 电子围栏语音报警
点击这里，即可一键获取六大案例源码与相关资料