OpenCV 4.2 համակարգչային տեսանելիության գրադարանի թողարկում

կայացավ ազատ գրադարանի թողարկում OpenCV 4.2 (Open Source Computer Vision Library), որը տրամադրում է միջոցներ պատկերների բովանդակության մշակման և վերլուծության համար։ OpenCV-ն տրամադրում է ավելի քան 2500 ալգորիթմներ, ինչպես դասական, այնպես էլ վերջին տեխնենքական նվաճումների նորություններ ոլորտում համակարգչային տեսողության և մեքենայական ուսուցման համակարգեր։ Գրադարանի կոդը գրված է C++ լեզվով եւ բաշխվում է BSD լիցենզիայով։ Վերահսկիչներ պատրաստված են տարբեր ծրագրավորման լեզուների համար, այդ թվում Python, MATLAB և Java։

Գրադարանը կարող է կիրառվել օբյեկտների ճանաչման համար լուսանկարներում և տեսանյութերում (օրինակ, դեմքերի և մարդկանց մոդելների ճանաչում, տեխնիկական տեքստի և այլն), օբյեկտների և տեսախցիկի շարժման հետևման, տեսանյութերի գործողությունների դասակարգման, պատկերների փոխարկման, 3D մոդելների հանման, սթերյո խցիկների լուսանկարում 3D տարածքի ձևավորման, ավելի ցածր որակի պատկերների համախմբման միջոցով բարձր որակի պատկերների ստեղծման, առանձին հարստությունների որոնման պատկերում ներկայացված տարրերի հավաքածուի նման, մեքենայական ուսուցման մեթոդների կիրառման, նշանների տեղադրման, տարբեր պատկերներում ընդհանուր տարրերի հայտնաբերման, ինքնաբերական արատների վերացման, ինչպիսիք են կարմիր աչքի ազդեցությունը։

Մեույն նոր թողարկում:

• DNN (Deep Neural Network) մոդուլին, որը կիրառում է մեքենայական ուսուցման ալգորիթմները, հավելվել է CUDA օգտագործելու հետևյալը և իրականացվել է API-ի փորձնական աջակցություն nGraph OpenVINO;
• SIMD հրահանգների օգտագործմամբ կատարացվեց կոդի կատարողականության օպտիմիզացիա սթերյո ցուցադրման (StereoBM/StereoSGBM), չափի փոփոխման, դիմակ.overlay, շրջելու, գույնի բացակայող բաղադրիչների հաշվարկման և բազմաթիվ այլ գործողությունների համար;
• Ավելացվեց բազմաթերթի իրականացումը pyrDown;
• Ավելացվեց տեսադաշտերի հանման հնարավորությունը լրատվամիջոցների կոնտեյներով (demuxing) FFmpeg վրա կառուցված videoio հետևվածի միջոցով;
• Ավելացվեց վնասված պատկերների արագ հաճախորդային վերականգնման ալգորիթմ FSR (Frequency Selective Reconstruction);
• Ավելացվեց մեթոդը RIC լայնացած չլցված տարածքների միջառարկայական ներդրման համար;
• Ավելի քիչ նախապայմանների համար ավելացվեց ուղղման մեթոդ LOGOS;
• G-API (opencv_gapi) մոդուլում, որը կատարում է շարժիչի դերը պատկերի արդյունավետ մշակման համար, հիմնված գրաուսային ալգորիթմների վրա, իրականացվել է ավելի բարդ հիբրիդային համակարգչային տեսանելիության ալգորիթմների և խորքային մեքենայական ուսուցման աջակցություն։ Տվյալ շարժիչի Intel Inference Engine-ի աջակցություն ապահովված է։ Աջակցություն տրված է տեսադաշտերի մշակման համար;
• Վերացված են անվտանգության խոցելիություն (CVE-2019-5063, CVE-2019-5064), որոնք կարող են հանգեցնել հարձակումների կոդի կատարելություն, երբ ոչ ստուգված տվյալները մշակվում են XML, YAML և JSON ֆորմատներում: Եթե JSON-ի վերծանման ընթացքում հանդիպի զրոյական կոդով նիշ, արժեքը ամբողջությամբ պատճենվում է բուֆեր, բայց առանց համապատասխան սահմանափակ տարածքում դուրս ընկնելու ստուգման:

Ընտանիք: opennet.ru