Համակարգչային տեսողության գրադարանի թողարկում OpenCV 4.2

տեղի ունեցավ գրադարանի անվճար թողարկում OpenCV 4.2 (Open Source Computer Vision Library), որն ապահովում է պատկերների բովանդակությունը մշակելու և վերլուծելու գործիքներ։ OpenCV-ն տրամադրում է ավելի քան 2500 ալգորիթմ՝ ինչպես դասական, այնպես էլ արտացոլելով համակարգչային տեսողության և մեքենայական ուսուցման համակարգերի վերջին առաջընթացը: Գրադարանի կոդը գրված է C++ և տարածվում է BSD լիցենզիայի ներքո: Ամրացումներ են պատրաստվում տարբեր ծրագրավորման լեզուների համար, ներառյալ Python, MATLAB և Java:

Գրադարանը կարող է օգտագործվել լուսանկարներում և տեսանյութերում առարկաները ճանաչելու համար (օրինակ՝ մարդկանց դեմքերի և ֆիգուրների ճանաչում, տեքստ և այլն), օբյեկտների և տեսախցիկների շարժը հետևելու, տեսանյութերում գործողությունների դասակարգման, պատկերների փոխակերպման, 3D մոդելների արդյունահանման, ստերեո տեսախցիկների պատկերներից 3D տարածություն ստեղծելը, ցածր որակի պատկերների համադրման միջոցով բարձրորակ պատկերներ ստեղծելը, պատկերի մեջ որոնել առարկաներ, որոնք նման են ներկայացված տարրերի հավաքածուին, կիրառել մեքենայական ուսուցման մեթոդներ, տեղադրել մարկերներ, տարբեր տարրերի նույնականացում: պատկերներ՝ ինքնաբերաբար վերացնելով այնպիսի թերություններ, ինչպիսիք են կարմիր աչքերը:

В նոր ազատ արձակել:

• DNN (Deep Neural Network) մոդուլին ավելացվել է CUDA-ի օգտագործման հետին պլան՝ նեյրոնային ցանցերի վրա հիմնված մեքենայական ուսուցման ալգորիթմների ներդրմամբ և փորձնական API-ի աջակցություն։ nԳրաֆիկա OpenVINO;
• Օգտագործելով SIMD հրահանգները, կոդի կատարումը օպտիմիզացվել է ստերեո ելքի (StereoBM/StereoSGBM), չափափոխման, դիմակավորման, ռոտացիայի, բացակայող գունային բաղադրիչների հաշվարկի և շատ այլ գործողությունների համար;
• Ավելացվեց ֆունկցիայի բազմաթելային իրականացում pyrDown;
• Ավելացվել է մեդիա կոնտեյներներից վիդեո հոսքեր հանելու հնարավորությունը (դեմքսինգ)՝ օգտագործելով FFmpeg-ի վրա հիմնված videoio backend-ը;
• Ավելացված է ալգորիթմ՝ վնասված պատկերների արագ հաճախականությամբ ընտրովի վերակառուցման համար FSR- ը (Հաճախականության ընտրովի վերակառուցում);
• Ավելացված մեթոդ RIC բնորոշ չլցված տարածքների ինտերպոլացիայի համար;
• Ավելացված է շեղումների նորմալացման մեթոդ LOGOS;
• G-API մոդուլը (opencv_gapi), որը գործում է որպես պատկերի արդյունավետ մշակման շարժիչ՝ օգտագործելով գրաֆիկների վրա հիմնված ալգորիթմներ, աջակցում է ավելի բարդ հիբրիդային համակարգչային տեսլականին և խորը մեքենայական ուսուցման ալգորիթմներին: Աջակցություն է տրամադրվում Intel Inference Engine-ի հետին պլանին: Կատարման մոդելին ավելացվել է վիդեո հոսքերի մշակման աջակցություն.
• Վերացված խոցելիություններ (CVE-2019-5063- ը, CVE-2019-5064- ը), որը կարող է հանգեցնել հարձակվողի կոդի կատարման՝ XML, YAML և JSON ձևաչափերով չստուգված տվյալները մշակելիս: Եթե ​​JSON վերլուծության ժամանակ զրոյական կոդով նիշ է հանդիպում, ամբողջ արժեքը պատճենվում է բուֆերում, բայց առանց պատշաճ կերպով ստուգելու, թե արդյոք այն գերազանցում է հատկացված հիշողության տարածքի սահմանները:

Source: opennet.ru