Објавување на библиотека за компјутерска визија OpenCV 4.7

Беше објавена бесплатната библиотека OpenCV 4.7 (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 се дистрибуира под лиценцата 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.

Меѓу промените во новото издание:

• Значајна оптимизација на перформансите на конволуцијата во модулот DNN (Deep Neural Network) е извршена со имплементација на алгоритми за машинско учење базирани на невронски мрежи. Имплементиран е алгоритам за брза конволуција Виноград. Додадени се нови слоеви ONNX (Open Neural Network Exchange): Scatter, ScatterND, Tile, ReduceL1 и ReduceMin. Додадена е поддршка за рамката OpenVino 2022.1 и заднината на CANN.
• Подобрен квалитет на откривање и декодирање на QR код.
• Додадена е поддршка за визуелни маркери ArUco и AprilTag.
• Додаден е тракер Nanotrack v2 базиран на невронски мрежи.
• Имплементиран Stackblur алгоритам за замаглување.
• Додадена е поддршка за FFmpeg 5.x и CUDA 12.0.
• Нов API е предложен за манипулирање со формати на слики на повеќе страници.
• Додадена е поддршка за библиотеката libSPNG за формат PNG.
• libJPEG-Turbo овозможува забрзување користејќи SIMD инструкции.
• За Android платформата, имплементирана е поддршка за H264/H265.
• Обезбедени се сите основни API на Python.
• Додадена е нова универзална заднина за векторски инструкции.

Извор: opennet.ru