{"id":89693,"date":"2020-07-25T01:42:28","date_gmt":"2020-07-24T23:42:28","guid":{"rendered":"https:\/\/prohoster.info\/blog\/novosti-interneta\/digikam-7-0-0"},"modified":"2020-07-25T01:42:28","modified_gmt":"2020-07-24T23:42:28","slug":"digikam-7-0-0","status":"publish","type":"post","link":"https:\/\/prohoster.info\/nl\/blog\/news\/digikam-7-0-0","title":{"rendered":"digiKam 7.0.0","gt_translate_keys":[{"key":"rendered","format":"text"}]},"content":{"rendered":"


\n \"digiKam<\/p>\n

<\/a><\/p>\n

Er is een nieuwe grote update van digiKam uitgebracht \u2013 de software voor het beheren van digitale foto's, catalogiseren en bewerken voor Linux, macOS en Windows.<\/p>\n

Met digiKam kunt u eenvoudig foto's, RAW-bestanden en video's rechtstreeks van uw camera of externe opslagapparaten (SD-kaarten, USB-sticks, enz.) overdragen. De applicatie stelt u in staat om de importparameters en -regels in te stellen, die de ge\u00efmporteerde items 'on the fly' verwerken en catalogiseren.<\/p>\n

De applicatie heeft ook krachtige tools voor het toewijzen van tags en beoordelingen aan foto's. U kunt de filterfunctie gebruiken om snel afbeeldingen te vinden die aan bepaalde criteria voldoen. Naast filtreren heeft digiKam krachtige zoekmogelijkheden waarmee u in de bibliotheek kunt zoeken op een breed scala aan criteria. U kunt foto's zoeken op datum, tags, labels, beoordelingen, locatie en andere EXIF-, IPTC- of XMP-metadata.<\/p>\n

<\/p>\n

De applicatie biedt een complete set bewerkingshulpmiddelen. Dit omvat basisgereedschappen voor kleurcorrectie, bijsnijden, evenals geavanceerde tools voor het aanpassen van curves, panorama stitching en nog veel meer. Een speciale tool op basis van de bibliotheek Lensfun<\/a> maakt het mogelijk om lenscorrecties automatisch op afbeeldingen toe te passen.<\/p>\n

<\/noindex><\/noindex><\/p>\n

Benoembare veranderingen en innovaties in deze release:<\/p>\n

De gezichtsherkenningsfunctie is aanzienlijk herzien.<\/h2>\n

Tot nu toe werd gezichtsherkenning in de collectie uitgevoerd met behulp van de klassieke cascade-classificator uit de OpenCV-bibliotheek. Dit werkte vrij goed, maar gaf niet meer dan 80% succesvolle herkenningen. Bovendien, volgens gebruikersfeedback in de bugtracker, presteert gezichtsherkenning slecht als het gaat om het groeperen van mensen op basis van gezicht.<\/p>\n

De nieuwe code, gebaseerd op Deep Neural Networks uit de OpenCV-bibliotheek, maakt gebruik van neurale netwerken met vooraf getrainde modellen. Het percentage succesvolle herkenningen is gestegen tot 97%. Een ander voordeel is dat het nieuwe mechanisme in staat is huisdieren, zoals honden, te herkennen.<\/p>\n

Ook de gezichtsgroepering is verbeterd. In de gebruikersinterface is er nu de mogelijkheid om de algoritme te laten weten dat een gezicht onjuist is herkend of volledig uit de groepsvorming moet worden uitgesloten.<\/p>\n

Verbeterde ondersteuning voor RAW-formaten.<\/h2>\n

De versie van de libraw-bibliotheek is bijgewerkt naar 0.20. Dit heeft de ondersteuning toegevoegd voor meer dan 40 nieuwe camera's:<\/p>\n