{"id":89693,"date":"2020-07-25T01:42:28","date_gmt":"2020-07-24T23:42:28","guid":{"rendered":"https:\/\/prohoster.info\/blog\/novosti-interneta\/digikam-7-0-0"},"modified":"2020-07-25T01:42:28","modified_gmt":"2020-07-24T23:42:28","slug":"digikam-7-0-0","status":"publish","type":"post","link":"https:\/\/prohoster.info\/da\/blog\/news\/digikam-7-0-0","title":{"rendered":"digiKam 7.0.0","gt_translate_keys":[{"key":"rendered","format":"text"}]},"content":{"rendered":"


\n \"digiKam<\/p>\n

<\/a><\/p>\n

Der nye store opdatering af digiKam \u2013 programmet til digital fotoh\u00e5ndtering, katalogisering og redigering til Linux, macOS og Windows, er blevet udgivet.<\/p>\n

Med digiKam kan du nemt overf\u00f8re billeder, r\u00e5filer og videoer direkte fra dit kamera eller eksterne lagringsenheder (SD-kort, USB-stik osv.). Applikationen giver dig mulighed for at tilpasse indstillinger og importerregler, der behandler og katalogiserer importerede objekter \"on-the-fly\".<\/p>\n

Applikationen har ogs\u00e5 kraftfulde v\u00e6rkt\u00f8jer til at tildele tags og bed\u00f8mmelser til fotografier. Du kan bruge filtreringsfunktionen til hurtigt at finde billeder, der opfylder bestemte kriterier. Udover filtrering har digiKam st\u00e6rke s\u00f8gemuligheder, der g\u00f8r det muligt at s\u00f8ge i biblioteket efter en bred vifte af kriterier. Du kan s\u00f8ge efter fotos efter datoer, tags, m\u00e6rker, bed\u00f8mmelser, placering og andre metadata som EXIF, IPTC eller XMP.<\/p>\n

<\/p>\n

Applikationen leverer et komplet s\u00e6t redigeringsv\u00e6rkt\u00f8jer. Dette inkluderer grundl\u00e6ggende v\u00e6rkt\u00f8jer til farvejustering, besk\u00e6ring samt avancerede v\u00e6rkt\u00f8jer til kurvejustering, panoramafusion og meget mere. Et specialv\u00e6rkt\u00f8j baseret p\u00e5 biblioteket Lensfun<\/a> giver mulighed for automatisk at anvende linsekorrigeringer p\u00e5 billeder.<\/p>\n

<\/noindex><\/noindex><\/p>\n

Betydelige \u00e6ndringer og forbedringer i denne udgave:<\/p>\n

Funktionen til ansigtsgenkendelse er blevet betydeligt omarbejdet.<\/h2>\n

Tidligere blev ansigtsgenkendelsen i samlingen udf\u00f8rt ved hj\u00e6lp af den klassiske kaskadeklassifikator fra OpenCV-biblioteket. Den fungerer ganske godt, men giver ikke over 80% succesrate. Derudover har brugere i bug-tracker givet feedback om, at ansigtsgenkendelsen har sv\u00e6rt ved at gruppere ansigtet af personer.<\/p>\n

Den nye kode, baseret p\u00e5 Deep Neural Network fra OpenCV-biblioteket, anvender neurale netv\u00e6rk med foruddannede modeller. Procentdelen af succesfuld genkendelse er steget til 97%. En anden fordel er, at den nye mekanisme er i stand til at genkende husdyr, s\u00e5som hunde.<\/p>\n

Grupp\u00e9ringen af ansigtet er ogs\u00e5 blevet forbedret. I brugergr\u00e6nsefladen er der nu mulighed for at angive til algoritmen, at et ansigt er blevet genkendt forkert eller helt ekskludere det fra gruppering.<\/p>\n

Underst\u00f8ttelsen af RAW-formater er forbedret.<\/h2>\n

Bibliotekversionen libraw er opdateret til 0.20. Dette har gjort det muligt at tilf\u00f8je underst\u00f8ttelse af mere end 40 nye kameraer:<\/p>\n