Տեղի է ունեցել OpenCV 4.7 (Open Source Computer Vision Library) անվճար գրադարանի թողարկումը։ Այն տրամադրում է գործիքներ պատկերի բովանդակության մշակման և վերլուծության համար։ OpenCV-ն տրամադրում է ավելի քան 2500 ալգորիթմներ, ինչպես դասական, այնպես էլ համակարգչային տեսողության և մեքենայական ուսուցման համակարգերի ոլորտի վերջին նվաճումները արտացոլող։ Գրադարանի կոդը գրված է C++ լեզվով և տարածվում է BSD լիցենզիայով։ Կապակցումները պատրաստվում են տարբեր ծրագրավորման լեզուների համար, այդ թվում՝ 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:
Նոր թողարկման փոփոխություններից.
- DNN (Deep Neural Network) մոդուլում կոնվոլյուցիայի կատարողականությունը զգալիորեն օպտիմալացվել է նեյրոնային ցանցերի վրա հիմնված մեքենայական ուսուցման ալգորիթմների ներդրմամբ: Ներդրվել է Winograd-ի արագ կոնվոլյուցիայի ալգորիթմը: Ավելացվել են ONNX (Open Neural Network Exchange) նոր շերտեր՝ Scatter, ScatterND, Tile, ReduceL1 և ReduceMin: Ավելացվել է OpenVino 2022.1 շրջանակի և CANN backend-ի աջակցությունը:
- QR կոդի հայտնաբերման և վերծանման որակի բարելավում։
- Ավելացվել է ArUco և AprilTag տեսողական մարկերների աջակցությունը։
- Ավելացվել է նեյրոնային ցանցերի վրա հիմնված Nanotrack v2 հետևորդ։
- Stackblur blur ալգորիթմը ներդրված է։
- Ավելացվել է FFmpeg 5.x և CUDA 12.0 տարբերակների աջակցությունը։
- Առաջարկվում է բազմաէջ պատկերի ձևաչափերի մանիպուլյացիայի համար նախատեսված նոր API։
- Ավելացվել է libSPNG գրադարանի աջակցությունը PNG ձևաչափի համար։
- libJPEG-Turbo-ն օգտագործում է SIMD հրահանգների արագացում։
- H264/H265 աջակցությունը ներդրվել է Android հարթակի համար։
- Python լեզվի բոլոր հիմնական API-ները տրամադրված են։
- Ավելացվել է վեկտորային հրահանգների համար նոր ընդհանուր նշանակության backend։
Source: opennet.ru
