rilascio della libreria open source (Open Source Computer Vision Library), che fornisce strumenti per l'elaborazione e l'analisi dei contenuti delle immagini. OpenCV offre oltre 2500 algoritmi, sia classici che rappresentativi delle ultime innovazioni nel campo della visione artificiale e dei sistemi di apprendimento automatico. Il codice della libreria è scritto in C++ e sotto licenza BSD. Sono stati preparati binding per vari linguaggi di programmazione, tra cui Python, MATLAB e Java.
La libreria può essere utilizzata per il riconoscimento di oggetti in fotografie e video (ad esempio, riconoscimento di volti e figure umane, testo, ecc.), tracciamento del movimento di oggetti e telecamere, classificazione delle azioni nei video, trasformazione delle immagini, estrazione di modelli 3D, costruzione di spazi 3D da immagini di telecamere stereo, creazione di immagini di alta qualità tramite fusione di immagini di qualità inferiore, ricerca di oggetti in un'immagine simili a un insieme di elementi fornito, applicazione di metodi di apprendimento automatico, posizionamento di marcatori, rilevamento di elementi comuni su diverse immagini, eliminazione automatica di difetti, come l'effetto occhi rossi.
In :
- Nel modulo DNN (Deep Neural Network) con implementazione di algoritmi di apprendimento automatico basati su reti neurali è stato aggiunto un backend per l'utilizzo di CUDA ed è stato realizzato il supporto sperimentale per l'API ;
- Utilizzando istruzioni SIMD, è stata effettuata l'ottimizzazione delle prestazioni del codice per la visualizzazione stereo (StereoBM/StereoSGBM), ridimensionamento, sovrapposizione di maschere, rotazione, calcolo dei componenti di colore mancanti e molte altre operazioni;
- È stata aggiunta un'implementazione multithread della funzione ;
- È stata aggiunta la possibilità di estrarre flussi video da contenitori multimediali (demuxing) utilizzando il backend videoio basato su FFmpeg;
- È stato aggiunto un algoritmo per la ricostruzione selettiva in frequenza di immagini danneggiate (Ricostruzione Selettiva in Frequenza);
- È stato aggiunto il metodo per l'interpolazione di aree comuni non riempite;
- È stato aggiunto un metodo di normalizzazione delle deviazioni ;
- Nel modulo G-API (opencv_gapi), che funge da motore per un'elaborazione efficiente delle immagini utilizzando algoritmi basati su grafi, è stata implementata la supporto per algoritmi hybrid più complessi di visione artificiale e apprendimento automatico profondo. È stato garantito il supporto per il backend Intel Inference Engine. È stata aggiunta al modello di esecuzione la supporto per l'elaborazione dei flussi video;
- Eliminati (, ), che possono potenzialmente portare all'esecuzione di codice da parte di un aggressore durante l'elaborazione di dati non verificati nei formati XML, YAML e JSON. Se durante il parsing di JSON viene incontrato un simbolo con codice zero, il valore viene interamente copiato nel buffer, ma senza un'adeguata verifica per l'uscita dai limiti dell'area di memoria allocata.
Fonte: opennet.ru
