കമ്പ്യൂട്ടർ വിഷൻ ലൈബ്രറിയുടെ പ്രകാശനം OpenCV 4.7

ഇമേജ് ഉള്ളടക്കം പ്രോസസ്സ് ചെയ്യുന്നതിനും വിശകലനം ചെയ്യുന്നതിനുമുള്ള ടൂളുകൾ നൽകുന്ന സൗജന്യ ലൈബ്രറി OpenCV 4.7 (ഓപ്പൺ സോഴ്സ് കമ്പ്യൂട്ടർ വിഷൻ ലൈബ്രറി) പുറത്തിറങ്ങി. ഓപ്പൺസിവി 2500-ലധികം അൽഗോരിതങ്ങൾ നൽകുന്നു, ക്ലാസിക്കും കമ്പ്യൂട്ടർ വിഷൻ, മെഷീൻ ലേണിംഗ് സിസ്റ്റങ്ങളിലെ ഏറ്റവും പുതിയ മുന്നേറ്റങ്ങൾ പ്രതിഫലിപ്പിക്കുന്നു. ലൈബ്രറി കോഡ് C++ ൽ എഴുതുകയും BSD ലൈസൻസിന് കീഴിൽ വിതരണം ചെയ്യുകയും ചെയ്യുന്നു. 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.

പുതിയ പതിപ്പിലെ മാറ്റങ്ങളിൽ:

• ന്യൂറൽ നെറ്റ്‌വർക്കുകളെ അടിസ്ഥാനമാക്കിയുള്ള മെഷീൻ ലേണിംഗ് അൽഗോരിതം നടപ്പിലാക്കുന്നതിലൂടെ DNN (ഡീപ് ന്യൂറൽ നെറ്റ്‌വർക്ക്) മൊഡ്യൂളിലെ കൺവ്യൂഷൻ പ്രകടനത്തിന്റെ കാര്യമായ ഒപ്റ്റിമൈസേഷൻ നടപ്പിലാക്കിയിട്ടുണ്ട്. വിനോഗ്രാഡ് ഫാസ്റ്റ് കൺവ്യൂഷൻ അൽഗോരിതം നടപ്പിലാക്കി. പുതിയ ONNX (ഓപ്പൺ ന്യൂറൽ നെറ്റ്‌വർക്ക് എക്സ്ചേഞ്ച്) ലെയറുകൾ ചേർത്തു: Scatter, ScatterND, Tile, ReduceL1, ReduceMin. OpenVino 2022.1 ഫ്രെയിംവർക്കിനും CANN ബാക്കെൻഡിനും പിന്തുണ ചേർത്തു.
• QR കോഡ് കണ്ടെത്തലിന്റെയും ഡീകോഡിംഗിന്റെയും മെച്ചപ്പെട്ട നിലവാരം.
• വിഷ്വൽ മാർക്കറുകൾ ArUco, AprilTag എന്നിവയ്ക്കുള്ള പിന്തുണ ചേർത്തു.
• ന്യൂറൽ നെറ്റ്‌വർക്കുകളെ അടിസ്ഥാനമാക്കിയുള്ള നാനോട്രാക്ക് v2 ട്രാക്കർ ചേർത്തു.
• സ്റ്റാക്ക്ബ്ലർ ബ്ലർ അൽഗോരിതം നടപ്പിലാക്കി.
• FFmpeg 5.x, CUDA 12.0 എന്നിവയ്ക്കുള്ള പിന്തുണ ചേർത്തു.
• മൾട്ടി-പേജ് ഇമേജ് ഫോർമാറ്റുകൾ കൈകാര്യം ചെയ്യുന്നതിനായി ഒരു പുതിയ API നിർദ്ദേശിച്ചിരിക്കുന്നു.
• PNG ഫോർമാറ്റിനുള്ള libSPNG ലൈബ്രറിക്കുള്ള പിന്തുണ ചേർത്തു.
• libJPEG-Turbo SIMD നിർദ്ദേശങ്ങൾ ഉപയോഗിച്ച് ത്വരണം പ്രാപ്തമാക്കുന്നു.
• ആൻഡ്രോയിഡ് പ്ലാറ്റ്‌ഫോമിനായി, H264/H265-നുള്ള പിന്തുണ നടപ്പിലാക്കി.
• എല്ലാ അടിസ്ഥാന പൈത്തൺ API-കളും നൽകിയിരിക്കുന്നു.
• വെക്റ്റർ നിർദ്ദേശങ്ങൾക്കായി ഒരു പുതിയ യൂണിവേഴ്സൽ ബാക്കെൻഡ് ചേർത്തു.

അവലംബം: opennet.ru