Die OpenCV 4.7-Bibliothek (Open Source Computer Vision Library) wurde veröffentlicht, die Werkzeuge zur Verarbeitung und Analyse von Bildinhalten bereitstellt. OpenCV bietet über 2500 Algorithmen, sowohl klassische als auch solche, die die neuesten Fortschritte im Bereich Computer Vision und maschinelles Lernen widerspiegeln. Der Bibliothekscode ist in C++ geschrieben und steht unter der BSD-Lizenz. Bindings sind für verschiedene Programmiersprachen verfügbar, darunter Python, MATLAB und Java.
Die Bibliothek kann zur Objekterkennung in Fotos und Videos (zum Beispiel zur Gesichtserkennung und Erkennung von Menschenfiguren, Texten usw.), zur Verfolgung von Bewegungen von Objekten und Kameras, zur Klassifizierung von Aktivitäten in Videos, zur Bildverarbeitung, zur Extraktion von 3D-Modellen, zur Bildung von 3D-Räumen aus Bildern von Stereo-Kameras, zur Erstellung hochqualitativer Bilder durch das Kombinieren von Bildern niedrigerer Qualität, zur Suche nach Objekten auf einem Bild, die einem vorgestellten Satz von Elementen ähnlich sind, zur Anwendung von Methoden des maschinellen Lernens, zur Platzierung von Markern, zur Erkennung gemeinsamer Elemente in verschiedenen Bildern, zur automatischen Beseitigung von Defekten wie dem Effekt roter Augen.
Zu den Änderungen in der neuen Version gehören:
- Eine umfassende Leistungsoptimierung der Faltung im DNN-Modul (Deep Neural Network) wurde durchgeführt, einschließlich der Implementierung von Algorithmen für maschinelles Lernen basierend auf neuronalen Netzwerken. Der Winograd-Algorithmus für schnelle Faltungen wurde implementiert. Neue ONNX-Schichten (Open Neural Network Exchange): Scatter, ScatterND, Tile, ReduceL1 und ReduceMin wurden hinzugefügt. Unterstützung für das OpenVino 2022.1-Framework und das CANN-Backend wurde hinzugefügt.
- Die Qualität der Erkennung und Dekodierung von QR-Codes wurde verbessert.
- Unterstützung für die visuellen Marker ArUco und AprilTag hinzugefügt.
- Ein Nanotrack v2-Tracker auf Basis von neuronalen Netzwerken wurde hinzugefügt.
- Ein Stackblur-Algorithmus wurde implementiert.
- Unterstützung für FFmpeg 5.x und CUDA 12.0 wurde hinzugefügt.
- Eine neue API für die Verarbeitung mehrseitiger Bildformate wurde vorgeschlagen.
- Unterstützung für die libSPNG-Bibliothek für das PNG-Format wurde hinzugefügt.
- In libJPEG-Turbo wurde eine Beschleunigung durch SIMD-Instruktionen aktiviert.
- Für die Android-Plattform wurde Unterstützung für H264/H265 implementiert.
- Alle grundlegenden APIs für die Programmiersprache Python wurden bereitgestellt.
- Ein neuer universeller Backend für Vektorinstruktionen wurde hinzugefügt.
Quelle: opennet.ru
