Keluaran perpustakaan penglihatan komputer OpenCV 4.7

Perpustakaan percuma OpenCV 4.7 (Perpustakaan Penglihatan Komputer Sumber Terbuka) telah dikeluarkan, menyediakan alat untuk memproses dan menganalisis kandungan imej. OpenCV menyediakan lebih daripada 2500 algoritma, kedua-dua klasik dan mencerminkan kemajuan terkini dalam visi komputer dan sistem pembelajaran mesin. Kod perpustakaan ditulis dalam C++ dan diedarkan di bawah lesen BSD. Binding disediakan untuk pelbagai bahasa pengaturcaraan, termasuk Python, MATLAB dan Java.

Perpustakaan boleh digunakan untuk mengecam objek dalam gambar dan video (contohnya, pengecaman wajah dan figura orang, teks, dsb.), menjejaki pergerakan objek dan kamera, mengklasifikasikan tindakan dalam video, menukar imej, mengekstrak model 3D, menjana ruang 3D daripada imej daripada kamera stereo, mencipta imej berkualiti tinggi dengan menggabungkan imej berkualiti rendah, mencari objek dalam imej yang serupa dengan set elemen yang dibentangkan, menggunakan kaedah pembelajaran mesin, meletakkan penanda, mengenal pasti elemen biasa dalam berbeza imej, secara automatik menghapuskan kecacatan seperti mata merah .

Antara perubahan dalam keluaran baharu:

  • Pengoptimuman ketara prestasi konvolusi dalam modul DNN (Deep Neural Network) telah dijalankan dengan pelaksanaan algoritma pembelajaran mesin berdasarkan rangkaian saraf. Algoritma lilitan pantas Winograd telah dilaksanakan. Menambah lapisan ONNX (Open Neural Network Exchange) baharu: Scatter, ScatterND, Tile, ReduceL1 dan ReduceMin. Menambah sokongan untuk rangka kerja OpenVino 2022.1 dan bahagian belakang CANN.
  • Kualiti pengesanan dan penyahkodan kod QR dipertingkat.
  • Menambah sokongan untuk penanda visual ArUco dan AprilTag.
  • Menambahkan penjejak Nanotrack v2 berdasarkan rangkaian saraf.
  • Algoritma kabur Stackblur dilaksanakan.
  • Menambah sokongan untuk FFmpeg 5.x dan CUDA 12.0.
  • API baharu telah dicadangkan untuk memanipulasi format imej berbilang halaman.
  • Menambah sokongan untuk pustaka libSPNG untuk format PNG.
  • libJPEG-Turbo mendayakan pecutan menggunakan arahan SIMD.
  • Untuk platform Android, sokongan untuk H264/H265 telah dilaksanakan.
  • Semua API Python asas disediakan.
  • Menambah hujung belakang universal baharu untuk arahan vektor.

Sumber: opennet.ru

Tambah komen