Frigivelse af computer vision bibliotek OpenCV 4.2

tog sted gratis udgivelse af bibliotek OpenCV 4.2 (Open Source Computer Vision Library), som giver værktøjer til behandling og analyse af billedindhold. OpenCV leverer mere end 2500 algoritmer, både klassiske og afspejler de seneste fremskridt inden for computervision og maskinlæringssystemer. Bibliotekskoden er skrevet i C++ og distribueret af under BSD-licens. Bindinger er forberedt til forskellige programmeringssprog, herunder Python, MATLAB og Java.

Biblioteket kan bruges til at genkende objekter i fotografier og videoer (for eksempel genkendelse af ansigter og figurer af mennesker, tekst osv.), spore bevægelser af objekter og kameraer, klassificere handlinger i video, konvertere billeder, udtrække 3D-modeller, generere 3D-rum fra billeder fra stereokameraer, skabe billeder af høj kvalitet ved at kombinere billeder af lavere kvalitet, søge efter objekter i billedet, der ligner det præsenterede sæt af elementer, anvende maskinlæringsmetoder, placere markører, identificere fælles elementer i forskellige billeder, der automatisk eliminerer defekter såsom røde øjne.

В ny frigøre:

• En backend til brug af CUDA er blevet tilføjet til DNN (Deep Neural Network) modulet med implementering af maskinlæringsalgoritmer baseret på neurale netværk og eksperimentel API-understøttelse er blevet implementeret nGraph OpenVINO;
• Ved hjælp af SIMD-instruktioner blev kodeydelsen optimeret til stereooutput (StereoBM/StereoSGBM), ændring af størrelse, maskering, rotation, beregning af manglende farvekomponenter og mange andre operationer;
• Tilføjet multi-threaded implementering af funktionen pyrDown;
• Tilføjet muligheden for at udtrække videostreams fra mediecontainere (demuxing) ved hjælp af videoio-backend baseret på FFmpeg;
• Tilføjet algoritme til hurtig frekvens-selektiv rekonstruktion af beskadigede billeder FSR (Frekvensselektiv rekonstruktion);
• Tilføjet metode RIC til interpolation af typiske ufyldte områder;
• Tilføjet afvigelsesnormaliseringsmetode LOGOS;
• G-API-modulet (opencv_gapi), der fungerer som en motor til effektiv billedbehandling ved hjælp af grafbaserede algoritmer, understøtter mere komplekse hybride computersyn og dybe maskinlæringsalgoritmer. Support til Intel Inference Engine-backend er tilvejebragt. Tilføjet støtte til behandling af videostreams til udførelsesmodellen;
• Elimineret sårbarheder (CVE-2019-5063, CVE-2019-5064), hvilket potentielt kan føre til udførelse af hackerkode ved behandling af ubekræftede data i XML-, YAML- og JSON-formater. Hvis der stødes på et tegn med en nulkode under JSON-parsing, kopieres hele værdien til bufferen, men uden at kontrollere, om den overskrider grænserne for det tildelte hukommelsesområde.

Kilde: opennet.ru