Senpaga biblioteka eldono (Malfermfonteca Komputila Vidbiblioteko), kiu provizas ilojn por prilabori kaj analizi bildenhavon. OpenCV provizas pli ol 2500 XNUMX algoritmojn, kaj klasikajn kaj reflektantajn la plej novajn progresojn en komputila vidado kaj maŝinlernadaj sistemoj. La biblioteka kodo estas skribita en C++ kaj sub la BSD-licenco. Ligaĵoj estas pretigitaj por diversaj programlingvoj, inkluzive de Python, MATLAB kaj Java.
La biblioteko povas esti uzata por rekoni objektojn en fotoj kaj videoj (ekzemple, rekono de vizaĝoj kaj figuroj de homoj, teksto, ktp.), spuri la movadon de objektoj kaj fotiloj, klasifiki agojn en video, konverti bildojn, ĉerpi 3D modelojn, generi 3D-spacon el bildoj de stereofotiloj, kreante altkvalitajn bildojn kombinante malsuperkvalitajn bildojn, serĉante objektojn en la bildo similaj al la prezentita aro de elementoj, aplikante maŝinlernajn metodojn, metante markilojn, identigante komunajn elementojn en malsamaj. bildoj, aŭtomate forigante difektojn kiel ruĝ-okulajn.
В :
- La modulo DNN (Profunda Neŭrala Reto) kun efektivigo de maŝinlernadaj algoritmoj bazitaj sur neŭralaj retoj estis kompletigita per fona sistemo por uzi CUDA kaj eksperimenta API-subteno estis efektivigita. ;
- Uzante SIMD-instrukciojn, la rendimento de la kodo por sterea eligo (StereoBM/StereoSGBM), regrandigo, maskado, rotacio, kalkulado de mankantaj kolorkomponantoj kaj multaj aliaj operacioj estis optimumigita;
- Aldonita plurfadena efektivigo de la funkcio ;
- Aldonita la kapablo ĉerpi videofluojn el multmediaj ujoj (demulksing) uzante la videoio-fonton bazitan sur FFmpeg;
- Aldonita algoritmo por rapida frekvenc-selektema rekonstruo de difektitaj bildoj (Frekvenca Selekta Rekonstruo);
- Aldonita metodo por interpolado de tipaj neplenaj areoj;
- Aldonita metodo por normaligo de devioj ;
- La modulo G-API (opencv_gapi), kiu servas kiel motoro por efika bildprilaborado uzante grafe-bazitajn algoritmojn, nun subtenas pli kompleksajn hibridajn komputilan vidajn kaj profundajn lernadajn algoritmojn. Subteno por la Intel Inference Engine backend estas provizita. Subteno por videofluo-prilaborado estis aldonita al la ekzekutmodelo;
- Forigita (, ), kio povas eble konduki al la ekzekuto de atakanta kodo dum prilaborado de nefidindaj datumoj en XML, YAML kaj JSON formatoj. Se signo kun nula kodo estas renkontita dum JSON-analizo, la tuta valoro estas kopiita al la bufro, sed sen taŭga kontrolo pri superado de la asignitaj memorareolimoj.
fonto: opennet.ru
