私はPythonでProcrustes Analysisアルゴリズムを実装していましたが、最近OpenCV/C++に移植するように言われました。私はいくつかのテストを実行した後、同じ入力/インスタンスに対して、C++コードはPythonコードの2倍の時間を費やしています(約8対4秒です。あまりにも小さい期間に測定していない)。私はこれらの結果にうんざりしています。OpenCV/C++プログラムのnumpyの対応よりも遅いですが、どうすればいいですか?
私はgprofを使って何が起こっているのか理解しようとしましたが、cv :: Mat ::〜Mat()が実行の34.67%を占めているという事実の他に、他の機能よりも100倍以上頻繁に呼び出されます。 cv :: Matsをstd :: vectorsやraw配列の代わりにしなければ、私はそれについて何をすべきか分かりません。両方とも私にとって悪い習慣のように思えます。
void align(const cv::Mat& points, const cv::Mat& pointsRef, cv::Mat& res, cv::Mat& ops) {
cv::Mat pts(points.rows, points.cols, CV_64FC1);
cv::Mat ptsRef(points.rows, points.cols, CV_64FC1);
points.copyTo(pts);
pointsRef.copyTo(ptsRef);
cv::Mat avgs = meanOfColumns(pts);
for(int i = 0; i < avgs.cols; i++) {
pts.col(i) -= avgs.col(i);
}
cv::Mat avgsR = meanOfColumns(ptsRef);
for(int i = 0; i < avgsR.cols; i++) {
ptsRef.col(i) -= avgsR.col(i);
}
cv::Mat x2(pts.rows, 1, CV_64FC1);
cv::Mat y2(pts.rows, 1, CV_64FC1);
cv::Mat x2R(pts.rows, 1, CV_64FC1);
cv::Mat y2R(pts.rows, 1, CV_64FC1);
cv::pow(pts.col(0), 2, x2);
cv::pow(pts.col(1), 2, y2);
cv::pow(ptsRef.col(0), 2, x2R);
cv::pow(ptsRef.col(1), 2, y2R);
cv::Mat sqrootP(pts.rows, 1, CV_64FC1);
cv::Mat sqrootPR(pts.rows, 1, CV_64FC1);
cv::sqrt(x2R + y2R, sqrootPR);
cv::sqrt(x2 + y2, sqrootP);
double offsetS = (cv::mean(sqrootPR)/cv::mean(sqrootP))[0];
pts *= offsetS;
cv::Mat rot(pts.rows, 1, CV_64FC1);
cv::Mat rotR(pts.rows, 1, CV_64FC1);
rot = arctan2(pts.col(1), pts.col(0));
rotR = arctan2(ptsRef.col(1), ptsRef.col(0));
double offsetR = -cv::mean((rot - rotR))[0];
cv::Mat angRot(pts.rows, 1, CV_64FC1);
angRot = rot + offsetR;
cv::Mat dist(pts.rows, 1, CV_64FC1);
cv::pow(pts.col(0), 2, x2);
cv::pow(pts.col(1), 2, y2);
cv::sqrt(x2 + y2, dist);
copyColumn(dist.mul(cosine(angRot)), res, 0, 0);
copyColumn(dist.mul(sine(angRot)), res, 0, 1);
ops.at<double>(0, 0) = -avgs.at<double>(0, 0);
ops.at<double>(0, 1) = -avgs.at<double>(0, 1);
ops.at<double>(0, 2) = offsetS * cv::cos(offsetR/RADIANS_TO_DEGREES);
ops.at<double>(0, 3) = offsetS * cv::sin(offsetR/RADIANS_TO_DEGREES);
}
これは、2組のポイントを整列するためのコードです。ここには表示されていない機能がいくつか呼び出されていますが、シンプルなので、必要に応じて説明することができます。
私はカジュアルなC++プログラマーです。
Ignacio Vazquez-Abramsが正しい考えを持っているようです。より簡潔で直接的な例:
#include <boost/date_time/posix_time/posix_time.hpp>
#include <cv.hpp>
#include <iostream>
using namespace boost::posix_time;
int main() {
cv::Mat m1(1000, 1000, CV_64FC1);
cv::Mat m2(1000, 1000, CV_64FC1);
ptime firstValue(microsec_clock::local_time());
for(int i = 0; i < 10; i++) {
cv::Mat m3 = m1 * m2;
}
ptime secondValue(microsec_clock::local_time());
time_duration diff = secondValue - firstValue;
std::cout << diff.seconds() << "." << diff.fractional_seconds() << " microsec" << std::endl;
}
私のマシンでは約14秒かかります。今のPython:
import datetime
import numpy as np
if __name__ == '__main__':
print datetime.datetime.now()
m1 = np.zeros((1000, 1000), dtype=float)
m2 = np.zeros((1000, 1000), dtype=float)
for i in range(1000):
m3 = np.dot(m1, m2)
print datetime.datetime.now()
C++の例では、それだけを10回行っているもののパイソン(Fortranの)1時間を更新し、まあ大丈夫それに1000
をやっているのに対し、4+秒かかります。
私が使用していたPythonコードを見直したところ、ポイントの一部(約5%)しかロードされていないことに気付きました。つまり、私のC++テストは実際にPythonコードの約20倍のインスタンスを実行していました。 C++コードは実際には約10倍高速ですが、コードは2倍の遅さしかなかったためです。しかし、まだいくつかの操作でnumpyがOpenCVのビートを持っているようです。
コードまたはそれは起こらなかった。 –
代表的なコードを記入してください。それ以上の詳細なしで言うことは不可能です。 –
C++とPythonを比較していないので、C++とFortranを比較しています。それが数字の場合は、Fortran *が勝ちます。 –