Објавување на библиотека за компјутерска визија OpenCV 4.2

се одржа бесплатно издание на библиотеката OpenCV 4.2 (Open Source Computer Vision Library), која обезбедува алатки за обработка и анализа на содржината на сликите. OpenCV обезбедува повеќе од 2500 алгоритми, класични и како одраз на најновите достигнувања во компјутерската визија и системите за машинско учење. Кодот на библиотеката е напишан во C++ и дистрибуирани од под лиценца BSD. Подготвени се врски за различни програмски јазици, вклучувајќи ги Python, MATLAB и Java.

Библиотеката може да се користи за препознавање на објекти во фотографии и видеа (на пример, препознавање на лица и фигури на луѓе, текст итн.), следење на движењето на предметите и камерите, класификација на дејства во видео, конвертирање слики, извлекување 3D модели, генерирање 3D простор од слики од стерео камери, создавање висококвалитетни слики со комбинирање слики со послаб квалитет, пребарување на објекти на сликата кои се слични на претставениот сет на елементи, примена на методи за машинско учење, поставување маркери, идентификување заеднички елементи во различни слики, автоматски елиминирајќи ги дефектите како што се црвените очи.

В нов ослободување:

• Во модулот DNN (Deep Neural Network) е додаден бекенд за користење на CUDA со имплементација на алгоритми за машинско учење базирани на невронски мрежи и имплементирана е експериментална поддршка за API nГрафикон OpenVINO;
• Користејќи ги инструкциите на SIMD, перформансите на кодот беа оптимизирани за стерео излез (StereoBM/StereoSGBM), промена на големината, маскирање, ротација, пресметување на компонентите на бојата што недостасуваат и многу други операции;
• Додадена е имплементација на функцијата со повеќе нишки pyrDown;
• Додадена е можност за извлекување на видео стримови од медиумски контејнери (демуксирање) користејќи го заднината на videoio базирана на FFmpeg;
• Додаден алгоритам за брза реконструкција на оштетените слики со селективна фреквенција FSR (Фреквентна селективна реконструкција);
• Додаден метод РИЦ за интерполација на типични непополнети површини;
• Додаден метод за нормализирање на отстапувањето ЛОГОС;
• Модулот G-API (opencv_gapi), кој делува како мотор за ефикасна обработка на слики користејќи алгоритми базирани на графикони, поддржува покомплексни хибридни компјутерски визии и длабоки алгоритми за машинско учење. Обезбедена е поддршка за заднината на Intel Inference Engine. Додадена е поддршка за обработка на видео потоци на моделот за извршување;
• Елиминирани ранливости (CVE-2019-5063, CVE-2019-5064), што потенцијално може да доведе до извршување на кодот на напаѓачот при обработка на непроверени податоци во формати XML, YAML и JSON. Ако се сретне знак со нула код за време на парсирањето на JSON, целата вредност се копира во баферот, но без правилно да се провери дали ги надминува границите на доделената мемориска област.

Извор: opennet.ru