کتابخانه رایگان OpenCV 4.7 (Open Source Computer Vision Library) منتشر شد که ابزارهایی برای پردازش و تجزیه و تحلیل محتوای تصویر ارائه می کند. OpenCV بیش از 2500 الگوریتم را ارائه می دهد که هم کلاسیک و هم منعکس کننده آخرین پیشرفت ها در بینایی کامپیوتر و سیستم های یادگیری ماشین هستند. کد کتابخانه به زبان C++ نوشته شده و تحت مجوز BSD توزیع شده است. Binding ها برای زبان های برنامه نویسی مختلف از جمله پایتون، متلب و جاوا آماده شده اند.
از این کتابخانه می توان برای تشخیص اشیاء در عکس ها و فیلم ها (به عنوان مثال، تشخیص چهره و چهره افراد، متن و غیره)، ردیابی حرکت اشیاء و دوربین ها، طبقه بندی اقدامات در فیلم، تبدیل تصاویر، استخراج مدل های سه بعدی، استفاده کرد. ایجاد فضای سه بعدی از تصاویر دوربین های استریو، ایجاد تصاویر با کیفیت بالا با ترکیب تصاویر با کیفیت پایین، جستجوی اشیایی در تصویر که مشابه مجموعه عناصر ارائه شده هستند، اعمال روش های یادگیری ماشینی، قرار دادن نشانگرها، شناسایی عناصر مشترک در موارد مختلف تصاویر، به طور خودکار نقص هایی مانند قرمزی چشم را از بین می برد.
از جمله تغییرات نسخه جدید:
- بهینه‌سازی قابل‌توجهی از عملکرد کانولوشن در ماژول DNN (شبکه عصبی عمیق) با اجرای الگوریتم‌های یادگیری ماشین مبتنی بر شبکه‌های عصبی انجام شده است. الگوریتم پیچیدگی سریع وینوگراد پیاده سازی شده است. لایه‌های جدید ONNX (مبادله شبکه عصبی باز) اضافه شد: Scatter، ScatterND، Tile، ReduceL1 و ReduceMin. پشتیبانی از چارچوب OpenVino 2022.1 و باطن CANN اضافه شده است.
- بهبود کیفیت تشخیص و رمزگشایی کد QR.
- پشتیبانی از نشانگرهای بصری ArUco و AprilTag اضافه شده است.
- ردیاب Nanotrack v2 بر اساس شبکه های عصبی اضافه شد.
- پیاده سازی الگوریتم Stackblur blur.
- پشتیبانی از FFmpeg 5.x و CUDA 12.0 اضافه شده است.
- یک API جدید برای دستکاری فرمت های تصویر چند صفحه ای پیشنهاد شده است.
- پشتیبانی از کتابخانه libSPNG برای فرمت PNG اضافه شده است.
- libJPEG-Turbo شتاب را با استفاده از دستورالعمل های SIMD فعال می کند.
- برای پلتفرم اندروید، پشتیبانی از H264/H265 اجرا شده است.
- همه API های پایه پایتون ارائه شده است.
- یک باطن جهانی جدید برای دستورالعمل های برداری اضافه شده است.
منبع: opennet.ru