კომპიუტერული ხედვის ბიბლიოთეკის გამოშვება OpenCV 4.2

შედგა უფასო ბიბლიოთეკის გამოშვება OpenCV 4.2 (Open Source Computer Vision Library), რომელიც უზრუნველყოფს გამოსახულების შინაარსის დამუშავებისა და ანალიზის ინსტრუმენტებს. OpenCV გთავაზობთ 2500-ზე მეტ ალგორითმს, როგორც კლასიკურს, ასევე ასახავს უახლეს მიღწევებს კომპიუტერული ხედვისა და მანქანათმცოდნეობის სისტემებში. ბიბლიოთეკის კოდი იწერება C++ და ვრცელდება BSD ლიცენზიით. Bindings მზადდება სხვადასხვა პროგრამირების ენებისთვის, მათ შორის Python, MATLAB და Java.

ბიბლიოთეკის გამოყენება შესაძლებელია ფოტოებისა და ვიდეოების ობიექტების ამოცნობისთვის (მაგალითად, ადამიანების სახეებისა და ფიგურების ამოცნობა, ტექსტი და ა. 3D სივრცის გენერირება სტერეო კამერების სურათებიდან, მაღალი ხარისხის სურათების შექმნა დაბალი ხარისხის სურათების კომბინაციით, სურათზე ობიექტების ძიება, რომლებიც მსგავსია წარმოდგენილი ელემენტების ნაკრების, მანქანური სწავლების მეთოდების გამოყენება, მარკერების განთავსება, საერთო ელემენტების იდენტიფიცირება სხვადასხვაში. სურათები, ავტომატურად აღმოფხვრის დეფექტებს, როგორიცაა წითელი თვალები.

В ახალი გათავისუფლება:

• DNN (ღრმა ნეირონული ქსელი) მოდულს დაემატა CUDA-ს გამოყენების backend, ნერვულ ქსელებზე დაფუძნებული მანქანათმცოდნეობის ალგორითმების დანერგვით და ექსპერიმენტული API მხარდაჭერით. nგრაფა OpenVINO;
• SIMD ინსტრუქციების გამოყენებით, კოდის შესრულება ოპტიმიზირებულია სტერეო გამომავალისთვის (StereoBM/StereoSGBM), ზომის შეცვლა, შენიღბვა, როტაცია, დაკარგული ფერის კომპონენტების გამოთვლა და მრავალი სხვა ოპერაციები;
• დამატებულია ფუნქციის მრავალნაკადიანი განხორციელება პირდაუნი;
• დაემატა ვიდეო ნაკადების ამოღების შესაძლებლობა მედია კონტეინერებიდან (demuxing) FFmpeg-ზე დაფუძნებული videoio backend-ის გამოყენებით;
• დამატებულია ალგორითმი დაზიანებული სურათების სწრაფი სიხშირის შერჩევითი რეკონსტრუქციისთვის FSR (სიხშირის შერჩევითი რეკონსტრუქცია);
• დამატებული მეთოდი RIC ტიპიური შეუვსებელი უბნების ინტერპოლაციისთვის;
• დამატებულია გადახრის ნორმალიზაციის მეთოდი ლოგოსი;
• G-API მოდული (opencv_gapi), რომელიც მოქმედებს როგორც ძრავა გამოსახულების ეფექტური დამუშავებისთვის გრაფიკზე დაფუძნებული ალგორითმების გამოყენებით, მხარს უჭერს უფრო რთულ ჰიბრიდულ კომპიუტერულ ხედვას და ღრმა მანქანათმცოდნეობის ალგორითმებს. უზრუნველყოფილია Intel Inference Engine backend-ის მხარდაჭერა. შესრულების მოდელს დაემატა ვიდეო ნაკადების დამუშავების მხარდაჭერა;
• აღმოფხვრილია სისუსტეები (CVE-2019-5063, CVE-2019-5064), რამაც პოტენციურად შეიძლება გამოიწვიოს თავდამსხმელის კოდის შესრულება XML, YAML და JSON ფორმატებში გადაუმოწმებელი მონაცემების დამუშავებისას. თუ JSON-ის ანალიზისას შეგხვდებათ სიმბოლო null კოდით, მთელი მნიშვნელობა კოპირდება ბუფერში, მაგრამ სათანადო შემოწმების გარეშე, აჭარბებს თუ არა იგი გამოყოფილი მეხსიერების ზონის საზღვრებს.

წყარო: opennet.ru