Keluaran perpustakaan penglihatan komputer OpenCV 4.7

OpenCV 4.7 (Perpustakaan Penglihatan Komputer Sumber Terbuka), perpustakaan percuma untuk pemprosesan dan analisis imej, telah dikeluarkan. OpenCV menawarkan lebih 2500 algoritma, termasuk klasik dan yang mencerminkan kemajuan terkini dalam penglihatan komputer dan pembelajaran mesin. Kod perpustakaan ditulis dalam C++ dan diedarkan di bawah lesen BSD. Bindings tersedia 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 kepada prestasi konvolusi telah dilaksanakan dalam modul DNN (Deep Neural Network), yang membolehkan pelaksanaan algoritma pembelajaran mesin berasaskan rangkaian saraf. Algoritma lilitan Vinograd pantas telah dilaksanakan. Lapisan ONNX (Open Neural Network Exchange) baharu telah ditambah: Scatter, ScatterND, Tile, ReduceL1 dan ReduceMin. Sokongan untuk rangka kerja OpenVino 2022.1 dan bahagian belakang CANN telah ditambah.
  • 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 telah dilaksanakan.
  • Menambah sokongan untuk FFmpeg 5.x dan CUDA 12.0.
  • API baharu untuk memanipulasi format imej berbilang halaman dicadangkan.
  • Menambah sokongan untuk pustaka libSPNG untuk format PNG.
  • libJPEG-Turbo menggunakan pecutan arahan SIMD.
  • Sokongan H264/H265 telah dilaksanakan untuk platform Android.
  • Semua API asas untuk bahasa Python disediakan.
  • Menambah hujung belakang tujuan umum baharu untuk arahan vektor.

Sumber: opennet.ru

Tambah komen