Rhyddhawyd y llyfrgell rad ac am ddim OpenCV 4.7 (Open Source Computer Vision Library) gan ddarparu offer ar gyfer prosesu a dadansoddi cynnwys delwedd. Mae OpenCV yn darparu mwy na 2500 o algorithmau, rhai clasurol ac sy'n adlewyrchu'r datblygiadau diweddaraf mewn systemau gweledigaeth gyfrifiadurol a dysgu peirianyddol. Mae cod y llyfrgell wedi'i ysgrifennu yn C++ a'i ddosbarthu o dan y drwydded BSD. Paratoir rhwymiadau ar gyfer ieithoedd rhaglennu amrywiol, gan gynnwys Python, MATLAB a Java.
Gellir defnyddio'r llyfrgell i adnabod gwrthrychau mewn ffotograffau a fideos (er enghraifft, adnabod wynebau a ffigurau pobl, testun, ac ati), olrhain symudiad gwrthrychau a chamerΓ’u, dosbarthu gweithredoedd mewn fideo, trosi delweddau, echdynnu modelau 3D, cynhyrchu gofod 3D o ddelweddau o gamerΓ’u stereo, creu delweddau o ansawdd uchel trwy gyfuno delweddau o ansawdd is, chwilio am wrthrychau yn y ddelwedd sy'n debyg i'r set o elfennau a gyflwynir, cymhwyso dulliau dysgu peirianyddol, gosod marcwyr, nodi elfennau cyffredin mewn gwahanol delweddau, gan ddileu diffygion fel llygad coch yn awtomatig.
Ymhlith y newidiadau yn y datganiad newydd:
- Mae optimeiddio sylweddol o berfformiad convolution yn y modiwl DNN (Deep Neural Network) wedi'i wneud gyda gweithredu algorithmau dysgu peirianyddol yn seiliedig ar rwydweithiau niwral. Mae algorithm troelli cyflym Winograd wedi'i roi ar waith. Ychwanegwyd haenau ONNX (Cyfnewidfa Rhwydwaith Newral Agored) newydd: Gwasgariad, ScatterND, Tile, ReduceL1 a ReduceMin. Cefnogaeth ychwanegol i fframwaith OpenVino 2022.1 ac Γ΄l-ben CANN.
- Gwell ansawdd o ganfod a datgodio cod QR.
- Cefnogaeth ychwanegol i farcwyr gweledol ArUco ac AprilTag.
- Ychwanegwyd traciwr Nanotrack v2 yn seiliedig ar rwydweithiau niwral.
- Wedi gweithredu algorithm niwlio Stackblur.
- Cefnogaeth ychwanegol ar gyfer FFmpeg 5.x a CUDA 12.0.
- Mae API newydd wedi'i gynnig ar gyfer trin fformatau delwedd aml-dudalen.
- Cefnogaeth ychwanegol i'r llyfrgell libSPNG ar gyfer y fformat PNG.
- Mae libJPEG-Turbo yn galluogi cyflymiad gan ddefnyddio cyfarwyddiadau SIMD.
- Ar gyfer y platfform Android, mae cefnogaeth ar gyfer H264 / H265 wedi'i weithredu.
- Darperir pob API Python sylfaenol.
- Ychwanegwyd backend cyffredinol newydd ar gyfer cyfarwyddiadau fector.
Ffynhonnell: opennet.ru