Udgivelsen af det gratis bibliotek OpenCV 4.7 (Open Source Computer Vision Library) er sket, og det stiller værktøjer til rådighed til behandling og analyse af billedindhold. OpenCV tilbyder over 2500 algoritmer, både klassiske og algoritmer, der afspejler de seneste fremskridt inden for computer vision og maskinlæringssystemer. Bibliotekskoden er skrevet i C++ og distribueres under BSD-licensen. Bindinger er tilgængelige for forskellige programmeringssprog, herunder Python, MATLAB og Java.
Biblioteket kan bruges til at genkende objekter i fotografier og videoer (f.eks. genkendelse af ansigter og menneskefigurer, tekst osv.), spore bevægelser af objekter og kameraer, klassificere handlinger i videoer, transformere billeder, udtrække 3D-modeller, danne 3D-rum fra billeder fra stereokameraer, skabe billeder i høj kvalitet ved at kombinere billeder af lavere kvalitet, søge efter objekter i et billede, der ligner et givet sæt elementer, anvende maskinlæringsmetoder, placere markører, identificere fælles elementer i forskellige billeder og automatisk fjerne defekter såsom røde øjne-effekten.
Blandt ændringerne i den nye udgivelse:
- Der blev udført en betydelig optimering af konvolutionsydelsen i DNN (Deep Neural Network)-modulet med implementering af maskinlæringsalgoritmer baseret på neurale netværk. Winograds hurtige konvolutionsalgoritme er blevet implementeret. Tilføjet nye ONNX (Open Neural Network Exchange) lag: Scatter, ScatterND, Tile, ReduceL1 og ReduceMin. Tilføjet understøttelse af OpenVino 2022.1 framework og CANN backend.
- Forbedret kvalitet af QR-kodedetektion og -afkodning.
- Tilføjet understøttelse af ArUco- og AprilTag-visuelle markører.
- Tilføjet Nanotrack v2 tracker baseret på neurale netværk.
- Stackblur-sløringsalgoritmen er blevet implementeret.
- Tilføjet understøttelse af FFmpeg 5.x og CUDA 12.0.
- Der foreslås et nyt API til manipulation af billedformater på flere sider.
- Tilføjet understøttelse af libSPNG-biblioteket til PNG-formatet.
- libJPEG-Turbo bruger SIMD-instruktionsacceleration.
- H264/H265-understøttelse er implementeret til Android-platformen.
- Alle grundlæggende API'er til Python-sproget er tilgængelige.
- Tilføjet nyt generel backend til vektorinstruktioner.
Kilde: opennet.ru
