Verëffentlechung vun der Computer Visioun Bibliothéik OpenCV 4.7

Déi gratis Bibliothéik OpenCV 4.7 (Open Source Computer Vision Library) gouf verëffentlecht, bitt Tools fir d'Veraarbechtung an d'Analyse vum Bildinhalt. OpenCV bitt méi wéi 2500 Algorithmen, souwuel klassesch a reflektéieren déi lescht Fortschrëtter an der Computervisioun a Maschinnléieresystemer. De Bibliothéikscode ass an C++ geschriwwen an ënner der BSD Lizenz verdeelt. Bindunge gi fir verschidde Programméierungssprooche virbereet, dorënner Python, MATLAB a Java.

D'Bibliothéik kann benotzt ginn fir Objeten a Fotoen a Videoen z'erkennen (zum Beispill d'Unerkennung vu Gesiichter a Figure vu Leit, Text, asw.), Tracking vun der Bewegung vun Objeten a Kameraen, Klassifizéierung vun Aktiounen am Video, Ëmwandlung vu Biller, Extrait vun 3D Modeller, 3D Raum aus Biller vu Stereo Kameraen generéieren, héichqualitativ Biller erstellen andeems se manner qualitativ Biller kombinéieren, no Objeten am Bild sichen, déi ähnlech wéi de presentéiert Elementer sinn, Maschinnléiere Methoden applizéieren, Markéierer setzen, gemeinsam Elementer a verschiddenen identifizéieren. Biller, eliminéiert automatesch Mängel wéi rout Aen.

Ënnert den Ännerungen an der neier Verëffentlechung:

  • Bedeitend Optimiséierung vun der Konvolutiounsleeschtung am DNN (Deep Neural Network) Modul gouf mat der Implementatioun vu Maschinnléiere Algorithmen op Basis vun neurale Netzwierker duerchgefouert. De Winograd Fast Convolution Algorithmus gouf implementéiert. Nei ONNX (Open Neural Network Exchange) Schichten dobäigesat: Scatter, ScatterND, Tile, ReduceL1 a ReduceMin. Zousätzlech Ënnerstëtzung fir OpenVino 2022.1 Kader a CANN Backend.
  • Verbesserte Qualitéit vun der QR Code Detektioun an Decodéierung.
  • Zousätzlech Ënnerstëtzung fir visuell Marker ArUco an AprilTag.
  • Zousätzlech Nanotrack v2 Tracker baséiert op neurale Netzwierker.
  • Implementéiert Stackblur Blur Algorithmus.
  • Zousätzlech Ënnerstëtzung fir FFmpeg 5.x an CUDA 12.0.
  • Eng nei API gouf proposéiert fir Multi-Säit Bildformater ze manipuléieren.
  • Zousätzlech Ënnerstëtzung fir d'libSPNG Bibliothéik fir de PNG Format.
  • libJPEG-Turbo erméiglecht Beschleunegung mat SIMD Instruktiounen.
  • Fir d'Android Plattform ass Ënnerstëtzung fir H264 / H265 ëmgesat ginn.
  • All Basis Python APIs ginn zur Verfügung gestallt.
  • En neien universellen Backend bäigefüügt fir Vektorinstruktiounen.

Source: opennet.ru

Setzt e Commentaire