OpenCV 4.7 (Open Source Computer Vision Library), sebuah pustaka gratis untuk pemrosesan dan analisis gambar, telah dirilis. OpenCV menawarkan lebih dari 2500 algoritma, termasuk algoritma klasik dan algoritma yang mencerminkan kemajuan terbaru dalam visi komputer dan pembelajaran mesin. Kode pustaka ini ditulis dalam C++ dan didistribusikan di bawah lisensi BSD. Binding tersedia untuk berbagai bahasa pemrograman, termasuk Python, MATLAB, dan Java.
Perpustakaan dapat digunakan untuk mengenali objek dalam foto dan video (misalnya, mengenali wajah dan sosok orang, teks, dll.), melacak pergerakan objek dan kamera, mengklasifikasikan tindakan pada video, mengubah gambar, mengekstrak model 3D, membentuk ruang 3D dari gambar dari kamera stereo, membuat gambar berkualitas tinggi dengan menggabungkan gambar dengan kualitas lebih rendah, mencari objek yang mirip dengan kumpulan elemen yang disajikan dalam gambar, menerapkan metode pembelajaran mesin, menempatkan penanda, mengidentifikasi elemen umum dalam gambar berbeda, secara otomatis menghilangkan cacat seperti mata merah.
Perubahan dalam rilis baru meliputi:
- Optimasi signifikan terhadap kinerja konvolusi telah diimplementasikan dalam modul DNN (Jaringan Saraf Tiruan Dalam), yang memungkinkan implementasi algoritma pembelajaran mesin berbasis jaringan saraf tiruan. Algoritma konvolusi Vinograd yang cepat telah diimplementasikan. Lapisan ONNX (Open Neural Network Exchange) baru telah ditambahkan: Scatter, ScatterND, Tile, ReduceL1, dan ReduceMin. Dukungan untuk kerangka kerja OpenVino 2022.1 dan backend CANN telah ditambahkan.
- Peningkatan kualitas deteksi dan dekode kode QR.
- Menambahkan dukungan untuk penanda visual ArUco dan AprilTag.
- Menambahkan pelacak Nanotrack v2 berdasarkan jaringan saraf.
- Algoritma pengaburan Stackblur telah diimplementasikan.
- Menambahkan dukungan untuk FFmpeg 5.x dan CUDA 12.0.
- API baru untuk memanipulasi format gambar multi-halaman diusulkan.
- Menambahkan dukungan untuk pustaka libSPNG untuk format PNG.
- libJPEG-Turbo memanfaatkan akselerasi instruksi SIMD.
- Dukungan H264/H265 telah diterapkan untuk platform Android.
- Semua API dasar untuk bahasa Python disediakan.
- Menambahkan backend tujuan umum baru untuk instruksi vektor.
Sumber: opennet.ru
