vydání svobodné knihovny (Open Source Computer Vision Library), která poskytuje prostředky pro zpracování a analýzu obsahu obrazů. OpenCV nabízí více než 2500 algoritmů, jak klasických, tak reflektujících nejnovější pokroky v oblasti počítačového vidění a systémů strojového učení. Kód knihovny je napsán v jazyce C++ a je pod licencí BSD. Byl připraven binding pro různé programovací jazyky, včetně Pythonu, MATLABu a Javy.
Knihovna může být použita pro rozpoznávání objektů na fotografiích a videích (například rozpoznávání obličejů a postav lidí, textu atd.), sledování pohybu objektů a kamery, klasifikaci akcí na videu, konverzi obrazů, extrakci 3D modelů, vytváření 3D prostoru z obrazu z stereokamer, vytváření vysoce kvalitních obrazů spojováním obrazů nižší kvality, vyhledávání na obrázku objektů podobných zadanému souboru prvků, použití metod strojového učení, umisťování markerů, identifikaci společných prvků na různých obrazech, automatické odstraňování defektů, jako je efekt červených očí.
V :
- Do modulu DNN (Deep Neural Network) s implementací algoritmů strojového učení na bázi neuronových sítí byl přidán backend pro použití CUDA a byla implementována experimentální podpora API ;
- S využitím instrukcí SIMD byla optimalizována výkonnost kódu pro stereovýstup (StereoBM/StereoSGBM), změnu velikosti, aplikaci masky, rotaci, výpočet chybějících komponentů barvy a další operace;
- Byla přidána vícetr otvorová implementace funkce ;
- Byla přidána možnost získávání video streamů z mediálnich kontejnerů (demuxing) pomocí backendu videoio založeného na FFmpeg;
- Byl přidán algoritmus pro rychlou frekvenčně selektivní rekonstrukci poškozených obrazů (Frekvenčně selektivní rekonstrukce);
- Byla přidána metoda pro interpolaci typických nezaplněných oblastí;
- Byla přidána metoda normalizace odchylek ;
- V modulu G-API (opencv_gapi), který slouží jako engine pro efektivní zpracování obrázků pomocí grafových algoritmů, byla implementována podpora složitějších hybridních algoritmů počítačového vidění a hlubokého strojového učení. Byla zajištěna podpora backendu Intel Inference Engine. Do modelu provádění byla přidána podpora zpracování video streamů;
- Opraveny (, ), které mohou potenciálně vést k vykonání kódu útočníka při zpracování neověřených dat ve formátech XML, YAML a JSON. Pokud se během analýzy JSON objeví znak s nulovým kódem, hodnota se kompletně zkopíruje do bufferu, avšak bez patřičné kontroly přetečení paměti.
Zdroj: opennet.ru
