liberación de la biblioteca de código abierto (Open Source Computer Vision Library), que proporciona herramientas para el procesamiento y análisis de contenido de imágenes. OpenCV ofrece más de 2500 algoritmos, tanto clásicos como que reflejan los últimos avances en visión por computadora y sistemas de aprendizaje automático. El código de la biblioteca está escrito en C++ y bajo licencia BSD. Se han preparados enlaces para varios lenguajes de programación, incluidos Python, MATLAB y Java.
La biblioteca se puede utilizar para el reconocimiento de objetos en fotografías y videos (por ejemplo, reconocimiento de rostros y figuras humanas, texto, etc.), seguimiento del movimiento de objetos y cámaras, clasificación de acciones en videos, transformación de imágenes, extracción de modelos 3D, formación de un espacio 3D a partir de imágenes de cámaras estereoscópicas, creación de imágenes de alta calidad a través de la combinación de imágenes de menor calidad, búsqueda de objetos en una imagen similares a un conjunto presentado, aplicación de métodos de aprendizaje automático, colocación de marcadores, identificación de elementos comunes en diferentes imágenes, eliminación automática de defectos como el efecto de ojos rojos.
En :
- En el módulo DNN (Deep Neural Network) con implementación de algoritmos de aprendizaje automático basados en redes neuronales se agregó un backend para usar CUDA y se implementó soporte experimental para la API ;
- Con el uso de instrucciones SIMD se ha optimizado el rendimiento del código para la salida estereoscópica (StereoBM/StereoSGBM), redimensionamiento, superposición de máscara, rotación, cálculo de componentes de color faltantes y muchas otras operaciones;
- Se ha añadido una implementación multihilo de la función ;
- Se ha añadido la posibilidad de extraer flujos de video de contenedores multimedia (demuxing) mediante el backend videoio basado en FFmpeg;
- Se ha añadido un algoritmo para la reconstrucción rápida selectiva en frecuencia de imágenes dañadas (Reconstrucción Selectiva en Frecuencia);
- Se añadió el método para la interpolación de áreas típicamente vacías;
- Se ha añadido un método de normalización de desviaciones ;
- En el módulo G-API (opencv_gapi), que realiza funciones de motor para un procesamiento eficiente de imágenes utilizando algoritmos basados en grafos, se ha implementado soporte para algoritmos híbridos más complejos de visión por computadora y aprendizaje automático profundo. Se ha asegurado soporte para el backend Intel Inference Engine. Se ha añadido soporte para el procesamiento de flujos de video en el modelo de ejecución;
- Eliminados (, ), que potencialmente pueden llevar a la ejecución de código del atacante al procesar datos no verificados en formatos XML, YAML y JSON. Si durante el análisis de JSON se encuentra un carácter con código cero, el valor se copia completamente en el búfer, pero sin una verificación adecuada de los límites de la memoria asignada.
Fuente: opennet.ru
