Die OpenCV 4.7-Bibliothek (Open Source Computer Vision Library) wurde veröffentlicht, die Werkzeuge zur Verarbeitung und Analyse von Bildinhalten bereitstellt. OpenCV bietet ĂŒber 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 fĂŒr verschiedene Programmiersprachen verfĂŒgbar, 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 AktivitÀten in Videos, zur Bildverarbeitung, zur Extraktion von 3D-Modellen, zur Bildung von 3D-RÀumen aus Bildern von Stereo-Kameras, zur Erstellung hochqualitativer Bilder durch das Kombinieren von Bildern niedrigerer QualitÀt, zur Suche nach Objekten auf einem Bild, die einem vorgestellten Satz von Elementen Àhnlich 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 Ănderungen in der neuen Version gehören:
- Eine umfassende Leistungsoptimierung der Faltung im DNN-Modul (Deep Neural Network) wurde durchgefĂŒhrt, einschlieĂlich der Implementierung von Algorithmen fĂŒr maschinelles Lernen basierend auf neuronalen Netzwerken. Der Winograd-Algorithmus fĂŒr schnelle Faltungen wurde implementiert. Neue ONNX-Schichten (Open Neural Network Exchange): Scatter, ScatterND, Tile, ReduceL1 und ReduceMin wurden hinzugefĂŒgt. UnterstĂŒtzung fĂŒr das OpenVino 2022.1-Framework und das CANN-Backend wurde hinzugefĂŒgt.
- Die QualitÀt der Erkennung und Dekodierung von QR-Codes wurde verbessert.
- UnterstĂŒtzung fĂŒr die visuellen Marker ArUco und AprilTag hinzugefĂŒgt.
- Ein Nanotrack v2-Tracker auf Basis von neuronalen Netzwerken wurde hinzugefĂŒgt.
- Ein Stackblur-Algorithmus wurde implementiert.
- UnterstĂŒtzung fĂŒr FFmpeg 5.x und CUDA 12.0 wurde hinzugefĂŒgt.
- Eine neue API fĂŒr die Verarbeitung mehrseitiger Bildformate wurde vorgeschlagen.
- UnterstĂŒtzung fĂŒr die libSPNG-Bibliothek fĂŒr das PNG-Format wurde hinzugefĂŒgt.
- In libJPEG-Turbo wurde eine Beschleunigung durch SIMD-Instruktionen aktiviert.
- FĂŒr die Android-Plattform wurde UnterstĂŒtzung fĂŒr H264/H265 implementiert.
- Alle grundlegenden APIs fĂŒr die Programmiersprache Python wurden bereitgestellt.
- Ein neuer universeller Backend fĂŒr Vektorinstruktionen wurde hinzugefĂŒgt.
Quelle: opennet.ru
