Kompiuterinės vizijos bibliotekos OpenCV 4.2 išleidimas
įvyko релиз свободной библиотеки OpenCV 4.2 (Open Source Computer Vision Library), предоставляющей средства для обработки и анализа содержимого изображений. OpenCV предоставляет более 2500 алгоритмов, как классических, так и отражающих последние достижения в области компьютерного зрения и систем машинного обучения. Код библиотеки написан на языке С++ и išplatino под лицензией BSD. Биндинги подготовлены для различных языков программирования, включая Python, MATLAB и Java.
Biblioteka gali būti naudojama atpažinti objektus nuotraukose ir vaizdo įrašuose (pavyzdžiui, atpažinti žmonių veidus ir figūras, tekstą ir pan.), sekti objektų ir kamerų judėjimą, klasifikuoti veiksmus vaizdo įraše, konvertuoti vaizdus, išgauti 3D modelius, 3D erdvės generavimas iš vaizdų iš stereo kamerų, aukštos kokybės vaizdų kūrimas derinant prastesnės kokybės vaizdus, vaizde ieškoti objektų, panašių į pateiktą elementų rinkinį, mašininio mokymosi metodų taikymas, žymeklių išdėstymas, bendrų elementų identifikavimas skirtinguose vaizdus, automatiškai pašalindami tokius trūkumus kaip raudonų akių efektas.
В модуль DNN (Deep Neural Network) с реализацией алгоритмов машинного обучения на основе нейронных сетей добавлен бэкенд для использования CUDA и реализована экспериментальная поддержка API nGraph OpenVINO;
С использованием SIMD-инструкций проведена оптимизация производительности кода для стереовывода (StereoBM/StereoSGBM), изменения размера, наложения маски, поворота, расчёта недостающих компонентов цвета и многих других операций;
Добавлена многопоточная реализация функции pyrDown;
Добавлена возможность извлечения видеопотоков из медиаконтейнеров (demuxing) при помощи бэкенда videoio на базе FFmpeg;
Добавлен алгоритм для быстрой частотно-селективной реконструкции повреждённых изображений FSR (Frequency Selective Reconstruction);
Pridėtas metodas RIC для интерполяции типовых незаполненных областей;
В модуле G-API (opencv_gapi), выполняющем функции движка для эффективной обработки изображений с использованием алгоритмов на основе графов, реализована поддержка более сложных гибридных алгоритмов компьютерного зрения и глубинного машинного обучения. Обеспечена поддержка бэкенда Intel Inference Engine. В модель выполнения добавлена поддержка обработки видеопотоков;
Pašalinta pažeidžiamumų (CVE-2019-5063, CVE-2019-5064), которые потенциально могут привести к выполнению кода атакующего при обработке непроверенных данных в форматах XML, YAML и JSON. Если в процессе разбора JSON встретился символ с нулевым кодом, значение целиком копируется в буфер, но без должной проверки выхода за границы выделенной области памяти.