Издаване на библиотеката за компютърно зрение OpenCV 4.2

Състоя се релиз на свободната библиотека OpenCV 4.2 (Open Source Computer Vision Library), предлагаща средства за обработка и анализ на съдържанието на изображения. OpenCV предоставя над 2500 алгоритма, както класически, така и отразяващи последните постижения в областта на компютърното зрение и системите за машинно обучение. Кодът на библиотеката е написан на C++ и разпространява е под лиценз BSD. Подготвени са биндинги за различни езици за програмиране, включително Python, MATLAB и Java.

Библиотеката може да се използва за разпознаване на обекти на снимки и видео (например, разпознаване на лица и фигури на хора, текст и др.), проследяване на движението на обекти и камера, класификация на действия във видео, преобразуване на изображения, извличане на 3D модели, формиране на 3D пространство от изображения от стереокамери, създаване на висококачествени изображения чрез комбиниране на изображения с по-ниско качество, търсене на обекти на изображението, подобни на предоставения набор от елементи, приложение на методи за машинно обучение, позициониране на маркери, откриване на общи елементи на различни изображения, автоматично отстраняване на дефекти, като например ефекта на червени очи.

В новото издание:

• В модула DNN (Deep Neural Network) с реализация на алгоритми за машинно обучение на база невронни мрежи е добавен бекенд за използване на CUDA и е реализирана експериментална поддръжка на API nGraph OpenVINO;
• С използване на SIMD инструкции е проведена оптимизация на производителността на кода за стереоизход (StereoBM/StereoSGBM), промяна на размер, налагане на маска, завъртане, изчисляване на липсващите компоненти на цвета и много други операции;
• Добавена е многонишкова реализация на функцията pyrDown;
• Добавена е възможността за извличане на видеопотокове от медиаконтейнери (demuxing) с помощта на бекенд videoio, базиран на FFmpeg;
• Добавен е алгоритъм за бърза честотно-избираема реконструкция на повредени изображения FSR (Frequency Selective Reconstruction);
• Добавен е метод RIC за интерполация на типични непопълнени области;
• Добавен е метод за нормализация на отклоненията LOGOS;
• В модула G-API (opencv_gapi), изпълняващ функции на двигателя за ефективна обработка на изображения с използване на алгоритми на база графи, е реализирана поддръжка на по-сложни хибридни алгоритми за компютърно зрение и дълбоко машинно обучение. Осигурена е поддръжка на бекенда Intel Inference Engine. В модела на изпълнение е добавена поддръжка за обработка на видеопотокове;
• Премахнати уязвимост (CVE-2019-5063, CVE-2019-5064), които потенциално могат да доведат до изпълнение на код на атакуващия при обработка на непроверени данни във формати XML, YAML и JSON. Ако в процеса на анализиране на JSON се срещне символ с нулев код, стойността изцяло се копира в буфера, но без подходяща проверка за излизане извън границите на заделената област на паметта.

Източник: opennet.ru