Թողարկվել է անվճար OpenCV 4.7 գրադարանը (Open Source Computer Vision Library), որը տրամադրում է գործիքներ պատկերի բովանդակությունը մշակելու և վերլուծելու համար: 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++-ով 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:
Նոր թողարկման փոփոխություններից.
- DNN (Deep Neural Network) մոդուլում կոնվուլյացիայի կատարողականի զգալի օպտիմալացում է իրականացվել նեյրոնային ցանցերի վրա հիմնված մեքենայական ուսուցման ալգորիթմների ներդրմամբ։ Իրականացվել է Վինոգրադի արագ ոլորման ալգորիթմը: Ավելացվել են նոր ONNX (Open Neural Network Exchange) շերտեր՝ Scatter, ScatterND, Tile, ReduceL1 և ReduceMin: Ավելացվել է աջակցություն OpenVino 2022.1 շրջանակի և CANN հետադարձ կապի համար:
- QR կոդի հայտնաբերման և ապակոդավորման բարելավված որակը:
- Ավելացվել է ArUco և AprilTag տեսողական մարկերների աջակցություն:
- Նեյրոնային ցանցերի վրա հիմնված Nanotrack v2 թրեյքեր է ավելացվել:
- Իրականացված Stackblur blur ալգորիթմը:
- Ավելացվել է աջակցություն FFmpeg 5.x-ի և CUDA 12.0-ի համար:
- Նոր API է առաջարկվել բազմաէջանոց պատկերների ձևաչափերը շահարկելու համար։
- Ավելացվեց libSPNG գրադարանի աջակցություն PNG ձևաչափի համար:
- libJPEG-Turbo-ն հնարավորություն է տալիս արագացնել SIMD հրահանգների միջոցով:
- Android պլատֆորմի համար իրականացվել է H264/H265-ի աջակցություն:
- Բոլոր հիմնական Python API-ները տրամադրված են:
- Ավելացվեց նոր ունիվերսալ ֆոն վեկտորի հրահանգների համար:
Source: opennet.ru