OpenCV 4.2 કમ્પ્યુટર વિઝન લાઇબ્રેરીનું પ્રકાશન

સ્થાન લીધું મફત પુસ્તકાલય પ્રકાશન ઓપનસીવી 4.2 (ઓપન સોર્સ કોમ્પ્યુટર વિઝન લાઇબ્રેરી), જે ઇમેજ સામગ્રીની પ્રક્રિયા અને વિશ્લેષણ માટે સાધનો પૂરા પાડે છે. OpenCV 2500 કરતાં વધુ અલ્ગોરિધમ્સ પ્રદાન કરે છે, બંને ક્લાસિક અને કમ્પ્યુટર વિઝન અને મશીન લર્નિંગ સિસ્ટમ્સમાં નવીનતમ પ્રગતિ દર્શાવે છે. લાઇબ્રેરી કોડ C++ અને માં લખાયેલ છે દ્વારા વિતરિત BSD લાયસન્સ હેઠળ. Python, MATLAB અને Java સહિત વિવિધ પ્રોગ્રામિંગ ભાષાઓ માટે બાઈન્ડિંગ્સ તૈયાર કરવામાં આવે છે.

લાઇબ્રેરીનો ઉપયોગ ફોટા અને વિડિયોમાં ઑબ્જેક્ટને ઓળખવા (ઉદાહરણ તરીકે, લોકોના ચહેરા અને આકૃતિઓ, ટેક્સ્ટ વગેરેને ઓળખવા), ઑબ્જેક્ટ્સ અને કૅમેરાની હિલચાલને ટ્રૅક કરવા, વિડિયો પરની ક્રિયાઓનું વર્ગીકરણ કરવા, છબીઓનું રૂપાંતર કરવા, 3D મૉડલ્સ કાઢવા, સ્ટીરિયો કેમેરાની ઈમેજોમાંથી 3D સ્પેસ બનાવવી, નીચી ગુણવત્તાની ઈમેજીસને જોડીને ઉચ્ચ ગુણવત્તાવાળી ઈમેજીસ બનાવવી, ઈમેજમાં પ્રસ્તુત તત્વોના સેટ જેવી વસ્તુઓ શોધવી, મશીન લર્નિંગ મેથડ લાગુ કરવી, માર્કર્સ મૂકવા, વિવિધ ઈમેજોમાં સામાન્ય તત્વોને ઓળખવા, લાલ આંખ જેવી ખામીઓને આપમેળે દૂર કરે છે.

В નવું પ્રકાશન:

• ન્યુરલ નેટવર્ક પર આધારિત મશીન લર્નિંગ અલ્ગોરિધમ્સના અમલીકરણ સાથે ડીએનએન (ડીપ ન્યુરલ નેટવર્ક) મોડ્યુલમાં CUDA નો ઉપયોગ કરવા માટેનો બેકએન્ડ ઉમેરવામાં આવ્યો છે અને પ્રાયોગિક API સપોર્ટ લાગુ કરવામાં આવ્યો છે. nગ્રાફ ઓપનવિનો;
• SIMD સૂચનાઓનો ઉપયોગ કરીને, સ્ટીરિયો આઉટપુટ (સ્ટીરિયોબીએમ/સ્ટીરિયોએસજીબીએમ), કદ બદલવા, માસ્કીંગ, પરિભ્રમણ, ગુમ થયેલ રંગ ઘટકોની ગણતરી અને અન્ય ઘણી કામગીરીઓ માટે કોડ પ્રદર્શનને ઑપ્ટિમાઇઝ કરવામાં આવ્યું હતું;
• ફંક્શનનું મલ્ટિ-થ્રેડેડ અમલીકરણ ઉમેર્યું pyrDown;
• FFmpeg પર આધારિત વિડિયો બેકએન્ડનો ઉપયોગ કરીને મીડિયા કન્ટેનર (ડીમક્સિંગ) માંથી વિડિયો સ્ટ્રીમ્સ કાઢવાની ક્ષમતા ઉમેરી;
• ક્ષતિગ્રસ્ત છબીઓના ઝડપી આવર્તન-પસંદગીયુક્ત પુનર્નિર્માણ માટે ઍલ્ગોરિધમ ઉમેર્યું એફએસઆર (આવર્તન પસંદગીયુક્ત પુનર્નિર્માણ);
• ઉમેરાયેલ પદ્ધતિ RIC લાક્ષણિક અપૂર્ણ વિસ્તારોના પ્રક્ષેપ માટે;
• ઉમેરાયેલ વિચલન નોર્મલાઇઝેશન પદ્ધતિ લોગો;
• G-API મોડ્યુલ (opencv_gapi), જે ગ્રાફ-આધારિત અલ્ગોરિધમ્સનો ઉપયોગ કરીને કાર્યક્ષમ ઇમેજ પ્રોસેસિંગ માટે એન્જિન તરીકે કામ કરે છે, તે વધુ જટિલ હાઇબ્રિડ કમ્પ્યુટર વિઝન અને ડીપ મશીન લર્નિંગ અલ્ગોરિધમ્સને સપોર્ટ કરે છે. Intel Inference Engine બેકએન્ડ માટે આધાર પૂરો પાડવામાં આવેલ છે. એક્ઝેક્યુશન મોડેલમાં વિડિઓ સ્ટ્રીમ્સની પ્રક્રિયા કરવા માટે સપોર્ટ ઉમેર્યો;
• નાબૂદ નબળાઈઓ (CVE-2019-5063, CVE-2019-5064), જે XML, YAML અને JSON ફોર્મેટમાં વણચકાસાયેલ ડેટાની પ્રક્રિયા કરતી વખતે સંભવિત રીતે હુમલાખોર કોડના અમલ તરફ દોરી શકે છે. જો JSON પદચ્છેદન દરમિયાન નલ કોડ સાથેનું પાત્ર સામે આવે છે, તો સમગ્ર મૂલ્ય બફર પર કૉપિ કરવામાં આવે છે, પરંતુ તે ફાળવેલ મેમરી વિસ્તારની સીમાઓ ઓળંગે છે કે કેમ તે યોગ્ય રીતે તપાસ્યા વિના.

સોર્સ: opennet.ru