udgivelse af et frit bibliotek (Open Source Computer Vision Library), der tilbyder værktøjer til behandling og analyse af billedindhold. OpenCV leverer mere end 2500 algoritmer, både klassiske og dem, der reflekterer de nyeste fremskridt inden for computer vision og maskinlæring. Bibliotekets kode er skrevet i C++ og er licenseret under BSD. Bindings er forberedt til forskellige programmeringssprog, herunder Python, MATLAB og Java.
Biblioteket kan anvendes til genkendelse af objekter på billeder og videoer (for eksempel ansigts- og menneskefigurgenkendelse, tekst osv.), overvågning af bevægelse af objekter og kameraer, klassificering af handlinger i video, billedbehandling, udvinding af 3D-modeller, dannelse af 3D-rum fra billeder fra stereokameraer, skabelse af høj kvalitet billeder ved at sammenflette billeder af lavere kvalitet, søgning på billeder efter objekter, der ligner det præsenterede sæt elementer, anvendelse af maskinlæringsmetoder, placering af markører, identifikation af fælles elementer på forskellige billeder, automatisk reparation af defekter, såsom røde øjne effekt.
I :
- I DNN (Deep Neural Network) modulet, med implementering af maskinlæringsalgoritmer baseret på neurale netværk, er der tilføjet en backend til at bruge CUDA, og der er implementeret eksperimentel support for API ;
- Optimering af kodeydelsen til stereovisning (StereoBM/StereoSGBM), ændring af størrelse, påføring af masker, rotation, beregning af manglende farvekomponenter og mange andre operationer er udført ved hjælp af SIMD-instruktioner.
- En multitrådet implementering af funktionen er blevet tilføjet ;
- Muligheden for at udtrække videostrømme fra mediekontainere (demuxing) ved hjælp af backend videoio baseret på FFmpeg er blevet tilføjet;
- En algoritme til hurtig frekvensselectiv rekonstruktion af beskadigede billeder er blevet tilføjet (Frequency Selective Reconstruction);
- En metode er tilføjet til interpolation af typiske ufyldte områder;
- Metoden til normalisering af afvigelser er blevet tilføjet ;
- I modulet G-API (opencv_gapi), der udfører funktioner som motor til effektiv behandling af billeder ved hjælp af grafbaserede algoritmer, er der implementeret støtte til mere komplekse hybride algoritmer inden for computer vision og dyb maskinlæring. Der er sikret støtte til Intel Inference Engine backend. Der er tilføjet støtte til behandling af videostrømme i udførelsesmodellen;
- Løst (, ), som potentielt kan føre til kørsel af ondsindet kode ved behandling af ukontrollerede data i formaterne XML, YAML og JSON. Hvis der under parsing af JSON stødes på et tegn med nulkode, kopieres værdien helt til bufferen, men uden tilstrækkelig kontrol af grænsen for det tildelte hukommelsesområde.
Kilde: opennet.ru
