കമ്പ്യൂട്ടർ വിഷൻ ലൈബ്രറിയുടെ പ്രകാശനം OpenCV 4.2

സംഭവിച്ചു സൗജന്യ ലൈബ്രറി പ്രകാശനം OpenCV 4.2 (ഓപ്പൺ സോഴ്സ് കമ്പ്യൂട്ടർ വിഷൻ ലൈബ്രറി), ഇത് ഇമേജ് ഉള്ളടക്കം പ്രോസസ്സ് ചെയ്യുന്നതിനും വിശകലനം ചെയ്യുന്നതിനുമുള്ള ഉപകരണങ്ങൾ നൽകുന്നു. ഓപ്പൺസിവി 2500-ലധികം അൽഗോരിതങ്ങൾ നൽകുന്നു, ക്ലാസിക്കും കമ്പ്യൂട്ടർ വിഷൻ, മെഷീൻ ലേണിംഗ് സിസ്റ്റങ്ങളിലെ ഏറ്റവും പുതിയ മുന്നേറ്റങ്ങൾ പ്രതിഫലിപ്പിക്കുന്നു. ലൈബ്രറി കോഡ് C++ ൽ എഴുതിയിരിക്കുന്നു വിതരണം ചെയ്തത് BSD ലൈസൻസിന് കീഴിൽ. പൈത്തൺ, മാറ്റ്‌ലാബ്, ജാവ എന്നിവയുൾപ്പെടെ വിവിധ പ്രോഗ്രാമിംഗ് ഭാഷകൾക്കായി ബൈൻഡിംഗുകൾ തയ്യാറാക്കിയിട്ടുണ്ട്.

ഫോട്ടോഗ്രാഫുകളിലും വീഡിയോകളിലും ഒബ്ജക്റ്റുകൾ തിരിച്ചറിയാൻ ലൈബ്രറി ഉപയോഗിക്കാം (ഉദാഹരണത്തിന്, ആളുകളുടെ മുഖങ്ങളും രൂപങ്ങളും തിരിച്ചറിയൽ, ടെക്സ്റ്റ് മുതലായവ), ഒബ്‌ജക്റ്റുകളുടെയും ക്യാമറകളുടെയും ചലനം ട്രാക്കുചെയ്യുക, വീഡിയോകളിലെ പ്രവർത്തനങ്ങളെ തരംതിരിക്കുക, ചിത്രങ്ങൾ പരിവർത്തനം ചെയ്യുക, 3D മോഡലുകൾ എക്‌സ്‌ട്രാക്റ്റുചെയ്യുക, സ്റ്റീരിയോ ക്യാമറകളിൽ നിന്ന് ചിത്രങ്ങളിൽ നിന്ന് 3D സ്പേസ് സൃഷ്ടിക്കൽ, താഴ്ന്ന നിലവാരമുള്ള ചിത്രങ്ങൾ സംയോജിപ്പിച്ച് ഉയർന്ന നിലവാരമുള്ള ചിത്രങ്ങൾ സൃഷ്ടിക്കൽ, അവതരിപ്പിച്ച ഘടകങ്ങളുടെ കൂട്ടത്തിന് സമാനമായ ഇമേജിലെ ഒബ്‌ജക്റ്റുകൾക്കായി തിരയുക, മെഷീൻ ലേണിംഗ് രീതികൾ പ്രയോഗിക്കുക, മാർക്കറുകൾ സ്ഥാപിക്കുക, വ്യത്യസ്ത ഘടകങ്ങളിൽ പൊതുവായ ഘടകങ്ങൾ തിരിച്ചറിയുക ചിത്രങ്ങൾ, റെഡ്-ഐ പോലുള്ള വൈകല്യങ്ങൾ സ്വയമേവ ഇല്ലാതാക്കുന്നു.

В പുതിയ പ്രകാശനം:

• ന്യൂറൽ നെറ്റ്‌വർക്കുകളെ അടിസ്ഥാനമാക്കിയുള്ള മെഷീൻ ലേണിംഗ് അൽഗോരിതങ്ങൾ നടപ്പിലാക്കിക്കൊണ്ട് CUDA ഉപയോഗിക്കുന്നതിനുള്ള ഒരു ബാക്കെൻഡ് DNN (ഡീപ് ന്യൂറൽ നെറ്റ്‌വർക്ക്) മൊഡ്യൂളിലേക്ക് ചേർത്തു, പരീക്ഷണാത്മക API പിന്തുണ നടപ്പിലാക്കി. nഗ്രാഫ് ഓപ്പൺവിനോ;
• SIMD നിർദ്ദേശങ്ങൾ ഉപയോഗിച്ച്, സ്റ്റീരിയോ ഔട്ട്പുട്ട് (StereoBM/StereoSGBM), വലുപ്പം മാറ്റൽ, മാസ്കിംഗ്, റൊട്ടേഷൻ, നഷ്ടപ്പെട്ട കളർ ഘടകങ്ങളുടെ കണക്കുകൂട്ടൽ, മറ്റ് നിരവധി പ്രവർത്തനങ്ങൾ എന്നിവയ്ക്കായി കോഡ് പ്രകടനം ഒപ്റ്റിമൈസ് ചെയ്തു;
• ഫംഗ്‌ഷന്റെ മൾട്ടി-ത്രെഡ് നടപ്പിലാക്കൽ ചേർത്തു പൈർഡൗൺ;
• FFmpeg അടിസ്ഥാനമാക്കിയുള്ള videoio ബാക്കെൻഡ് ഉപയോഗിച്ച് മീഡിയ കണ്ടെയ്‌നറുകളിൽ നിന്ന് (demuxing) വീഡിയോ സ്ട്രീമുകൾ എക്‌സ്‌ട്രാക്റ്റുചെയ്യാനുള്ള കഴിവ് ചേർത്തു;
• കേടായ ചിത്രങ്ങളുടെ വേഗത്തിലുള്ള ഫ്രീക്വൻസി സെലക്ടീവ് പുനർനിർമ്മാണത്തിനായി അൽഗോരിതം ചേർത്തു ഫ്സ്ര് (ഫ്രീക്വൻസി സെലക്ടീവ് റീകൺസ്ട്രക്ഷൻ);
• ചേർത്ത രീതി RIC സാധാരണ പൂരിപ്പിക്കാത്ത പ്രദേശങ്ങളുടെ ഇന്റർപോളേഷനായി;
• ഡീവിയേഷൻ നോർമലൈസേഷൻ രീതി ചേർത്തു ലോഗോകൾ;
• ഗ്രാഫ് അധിഷ്ഠിത അൽഗോരിതങ്ങൾ ഉപയോഗിച്ച് കാര്യക്ഷമമായ ഇമേജ് പ്രോസസ്സിംഗിനുള്ള ഒരു എഞ്ചിനായി പ്രവർത്തിക്കുന്ന G-API മൊഡ്യൂൾ (opencv_gapi), കൂടുതൽ സങ്കീർണ്ണമായ ഹൈബ്രിഡ് കമ്പ്യൂട്ടർ വിഷൻ, ഡീപ് മെഷീൻ ലേണിംഗ് അൽഗോരിതം എന്നിവയെ പിന്തുണയ്ക്കുന്നു. Intel Inference Engine ബാക്കെൻഡിനുള്ള പിന്തുണ നൽകിയിരിക്കുന്നു. എക്സിക്യൂഷൻ മോഡലിലേക്ക് വീഡിയോ സ്ട്രീമുകൾ പ്രോസസ്സ് ചെയ്യുന്നതിനുള്ള പിന്തുണ ചേർത്തു;
• ഒഴിവാക്കി പരാധീനതകൾ (CVE-2019-5063, CVE-2019-5064), XML, YAML, JSON ഫോർമാറ്റുകളിൽ സ്ഥിരീകരിക്കാത്ത ഡാറ്റ പ്രോസസ്സ് ചെയ്യുമ്പോൾ ആക്രമണകാരി കോഡ് നിർവ്വഹണത്തിലേക്ക് നയിച്ചേക്കാം. JSON പാഴ്‌സിംഗ് സമയത്ത് ഒരു നൾ കോഡുള്ള ഒരു പ്രതീകം നേരിട്ടാൽ, മുഴുവൻ മൂല്യവും ബഫറിലേക്ക് പകർത്തും, എന്നാൽ അത് അനുവദിച്ച മെമ്മറി ഏരിയയുടെ പരിധി കവിയുന്നുണ്ടോ എന്ന് ശരിയായി പരിശോധിക്കാതെ.

അവലംബം: opennet.ru