ingyenes könyvtári kiadás (Open Source Computer Vision Library), amely eszközöket biztosít a képtartalom feldolgozásához és elemzéséhez. Az OpenCV több mint 2500 algoritmust kínál, amelyek klasszikusak és tükrözik a számítógépes látás és a gépi tanulási rendszerek legújabb vívmányait. A könyvtár kódja C++ és nyelven van írva BSD licenc alatt. A kötések különféle programozási nyelvekhez készülnek, beleértve a Pythont, a MATLAB-ot és a Java-t.
A könyvtár használható tárgyak felismerésére fényképeken és videókon (például emberek arcának és alakjának, szövegnek, stb. felismerésére), tárgyak és kamerák mozgásának nyomon követésére, műveletek osztályozására a videóban, képek konvertálására, 3D modellek kinyerésére, 3D tér előállítása sztereó kamerák képeiből, jó minőségű képek készítése gyengébb minőségű képek kombinálásával, a képen a bemutatott elemkészlethez hasonló objektumok keresése, gépi tanulási módszerek alkalmazása, markerek elhelyezése, közös elemek azonosítása különböző képeket, automatikusan kiküszöböli a hibákat, például a vörösszem-hatást.
В :
- A DNN (Deep Neural Network) modulhoz a CUDA használatára szolgáló hátteret adtak neurális hálózatokon alapuló gépi tanulási algoritmusok megvalósításával és kísérleti API támogatással. ;
- A SIMD utasítások segítségével a kód teljesítményét sztereó kimenetre (StereoBM/StereoSGBM), átméretezésre, maszkolásra, elforgatásra, a hiányzó színösszetevők kiszámítására és sok más műveletre optimalizáltuk;
- A funkció többszálas megvalósítása hozzáadva ;
- Hozzáadtuk a videó folyamok médiakonténerekből való kivonatolását (demuxolás) az FFmpeg alapú videoio háttérrendszer használatával;
- Hozzáadott algoritmus a sérült képek gyors frekvencia-szelektív rekonstrukciójához (Frekvencia szelektív rekonstrukció);
- Hozzáadott módszer tipikus kitöltetlen területek interpolálásához;
- Hozzáadott eltérés normalizálási módszer ;
- A G-API modul (opencv_gapi), amely a gráf alapú algoritmusokat használó hatékony képfeldolgozás motorjaként működik, támogatja a bonyolultabb hibrid számítógépes látást és a mély gépi tanulási algoritmusokat. Az Intel Inference Engine háttérrendszer támogatása biztosított. Hozzáadott támogatás a videó adatfolyamok feldolgozásához a végrehajtási modellhez;
- Eltüntetett (, ), ami potenciálisan támadókód futtatásához vezethet XML, YAML és JSON formátumú ellenőrizetlen adatok feldolgozásakor. Ha a JSON-elemzés során egy nullkóddal rendelkező karaktert találunk, akkor a teljes érték a pufferbe kerül, anélkül azonban, hogy megfelelően ellenőrizné, hogy meghaladja-e a lefoglalt memóriaterület határait.
Forrás: opennet.ru