Megjelent az OpenCV 4.7 számítógépes látási könyvtár.

Megjelent az OpenCV 4.7 (Open Source Computer Vision Library) szabad könyvtár, amely eszközöket biztosít a képek tartalmának feldolgozásához és elemzéséhez. Az OpenCV több mint 2500 algoritmust kínál, amelyek a klasszikusakat és a legfrissebb vívmányokat is magukban foglalják a számítógépes látás és a gépi tanulás területén. A könyvtár kódja C++ nyelven íródott, és BSD licenc alatt kerül terjesztésre. Különböző programozási nyelvekhez, például Pythonhoz, MATLAB-hoz és Javahoz is készültek kötések.

A könyvtár alkalmazható objektumok felismerésére fényképeken és videókon (például arcok és emberek alakjának, szövegek stb. felismerése), tárgyak és kamerák mozgásának követésére, videók cselekvéseinek klasszifikálására, képek átalakítására, 3D-modellek kinyerésére, 3D-tér képzésére sztereokamerák által, alacsonyabb minőségű képek egyesítésével magas minőségű képek létrehozására, hasonló elemek keresésére kép alapján, gépi tanulási módszerek alkalmazására, jelölők elhelyezésére, közös elemek felismerésére különböző képeken, automatikus hibajavításra, mint például a piros szem effektus.

A legújabb verzióban bekövetkezett változások:

  • Jelentős teljesítményoptimalizálás történt a DNN (Deep Neural Network) modulban a neuronhálózaton alapuló gépi tanulási algoritmusok megvalósításával. Megvalósították a Vinograd gyors konvolúciós algoritmust. Új ONNX (Open Neural Network Exchange) rétegek kerültek hozzáadásra: Scatter, ScatterND, Tile, ReduceL1 és ReduceMin. Támogatás került az OpenVino 2022.1 keretrendszerhez és a CANN háttérhez.
  • Javult a QR-kódok azonosításának és dekódolásának minősége.
  • Hozzáadva az ArUco és AprilTag vizuális marker támogatása.
  • Hozzáadva a Nanotrack v2 nyomkövető, amely neuronhálózatok alapú.
  • Megvalósítva a Stackblur elmosási algoritmus.
  • Hozzáadva a FFmpeg 5.x és CUDA 12.0 támogatása.
  • Új API javaslata képek többoldalas formátumainak manipulálásához.
  • Hozzáadva a libSPNG könyvtár támogatása a PNG formátumhoz.
  • A libJPEG-Turbo gyorsításából SIMD utasítások révén részesült.
  • Android platformra megvalósítva a H264/H265 támogatás.
  • Kínálva minden alap API a Python nyelvhez.
  • Hozzáadva egy új univerzális háttér a vektoros utasításokhoz.

Forrás: opennet.ru

Megbízható hosting vásárlása weboldalak számára, DDoS védelemmel, VPS VDS szerverek. 🔥 Megbízható webtárhely vásárlása DDoS védelemmel, VPS VDS szerverek | ProHoster