{"id":106297,"date":"2022-12-29T21:37:00","date_gmt":"2022-12-29T19:37:00","guid":{"rendered":"https:\/\/prohoster.info\/blog\/novosti-interneta\/vypusk-biblioteki-kompyuternogo-zreniya-opencv-4-7"},"modified":"2022-12-29T21:37:00","modified_gmt":"2022-12-29T19:37:00","slug":"vypusk-biblioteki-kompyuternogo-zreniya-opencv-4-7","status":"publish","type":"post","link":"https:\/\/prohoster.info\/fr\/blog\/news\/vypusk-biblioteki-kompyuternogo-zreniya-opencv-4-7","title":{"rendered":"Publication de la biblioth\u00e8que de vision par ordinateur OpenCV 4.7","gt_translate_keys":[{"key":"rendered","format":"text"}]},"content":{"rendered":"
La biblioth\u00e8que libre OpenCV 4.7 (Open Source Computer Vision Library) a \u00e9t\u00e9 publi\u00e9e, offrant des outils pour le traitement et l'analyse du contenu des images. OpenCV propose plus de 2500 algorithmes, \u00e0 la fois classiques et refl\u00e9tant les derni\u00e8res avanc\u00e9es dans le domaine de la vision par ordinateur et des syst\u00e8mes d'apprentissage automatique. Le code de la biblioth\u00e8que est \u00e9crit en C++ et est distribu\u00e9 sous licence BSD. Des liaisons ont \u00e9t\u00e9 pr\u00e9par\u00e9es pour diff\u00e9rents langages de programmation, y compris Python, MATLAB et Java. <\/p>\n
La biblioth\u00e8que peut \u00eatre utilis\u00e9e pour la reconnaissance d'objets sur des photographies et des vid\u00e9os (par exemple, la reconnaissance faciale et des silhouettes humaines, du texte, etc.), le suivi du mouvement des objets et de la cam\u00e9ra, la classification des actions sur vid\u00e9o, la transformation d'images, l'extraction de mod\u00e8les 3D, la cr\u00e9ation d'espaces 3D \u00e0 partir d'images de cam\u00e9ras st\u00e9r\u00e9o, la construction d'images de haute qualit\u00e9 \u00e0 partir d'images de plus basse qualit\u00e9, la recherche d'objets sur une image similaires \u00e0 un ensemble donn\u00e9, l'application de m\u00e9thodes d'apprentissage automatique, le placement de marqueurs, la d\u00e9tection d'\u00e9l\u00e9ments communs sur diff\u00e9rentes images, et l'\u00e9limination automatique des d\u00e9fauts comme l'effet des yeux rouges. <\/p>\n
Parmi les changements de la nouvelle version : <\/p>\n
\n
Une optimisation significative de la performance des convolutions dans le module DNN (Deep Neural Network) a \u00e9t\u00e9 r\u00e9alis\u00e9e avec la mise en \u0153uvre d'algorithmes d'apprentissage automatique bas\u00e9s sur des r\u00e9seaux neuronaux. Un algorithme de convolutions rapides de Winograd a \u00e9t\u00e9 impl\u00e9ment\u00e9. De nouvelles couches ONNX (Open Neural Network Exchange) ont \u00e9t\u00e9 ajout\u00e9es : Scatter, ScatterND, Tile, ReduceL1 et ReduceMin. Le support du framework OpenVino 2022.1 et du backend CANN a \u00e9t\u00e9 ajout\u00e9.\n
La qualit\u00e9 de d\u00e9tection et de d\u00e9codage des QR codes a \u00e9t\u00e9 am\u00e9lior\u00e9e.\n
Le support des marqueurs visuels ArUco et AprilTag a \u00e9t\u00e9 ajout\u00e9.\n
Un tracker Nanotrack v2 bas\u00e9 sur des r\u00e9seaux neuronaux a \u00e9t\u00e9 ajout\u00e9.\n
L'algorithme de flou Stackblur a \u00e9t\u00e9 impl\u00e9ment\u00e9.\n
Le support de FFmpeg 5.x et CUDA 12.0 a \u00e9t\u00e9 ajout\u00e9.\n
Une nouvelle API pour la manipulation de formats d'images multipages a \u00e9t\u00e9 propos\u00e9e.\n
Le support de la biblioth\u00e8que libSPNG pour le format PNG a \u00e9t\u00e9 ajout\u00e9.\n
Des acc\u00e9l\u00e9rations avec des instructions SIMD ont \u00e9t\u00e9 activ\u00e9es dans libJPEG-Turbo.\n
Pour la plateforme Android, le support de H264\/H265 a \u00e9t\u00e9 r\u00e9alis\u00e9.\n
Toutes les API de base pour le langage Python sont fournies.\n
Un nouveau backend universel pour les instructions vectorielles a \u00e9t\u00e9 ajout\u00e9. <\/ul>\n