Det gratis bibliotek OpenCV 4.7 (Open Source Computer Vision Library) blev frigivet, 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 under BSD-licensen. 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.
Blandt ændringerne i den nye udgivelse:
- Betydelig optimering af foldningsydelse i DNN-modulet (Deep Neural Network) er blevet udført med implementering af maskinlæringsalgoritmer baseret på neurale netværk. Winograds hurtige foldningsalgoritme 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 støtte til visuelle markører ArUco og AprilTag.
- Tilføjet Nanotrack v2 tracker baseret på neurale netværk.
- Implementeret Stackblur sløringsalgoritme.
- Tilføjet understøttelse af FFmpeg 5.x og CUDA 12.0.
- En ny API er blevet foreslået til at manipulere billedformater med flere sider.
- Tilføjet understøttelse af libSPNG-biblioteket til PNG-formatet.
- libJPEG-Turbo muliggør acceleration ved hjælp af SIMD-instruktioner.
- Til Android-platformen er understøttelse af H264/H265 implementeret.
- Alle grundlæggende Python API'er leveres.
- Tilføjet en ny universel backend til vektorinstruktioner.
Kilde: opennet.ru