{"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\/no\/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

Det har kommet en ny stor oppdatering av digiKam \u2013 programmet for \u00e5 jobbe med digitale bilder, katalogisering og redigering for Linux, macOS og Windows.<\/p>\n

Med digiKam kan du enkelt overf\u00f8re bilder, r\u00e5filer og videoer direkte fra kameraet ditt eller eksterne lagringsenheter (SD-kort, USB-minner osv.). Appen lar deg konfigurere innstillinger og importregler som behandler og katalogiserer de importerte objektene 'on-the-fly'.<\/p>\n

Appen har ogs\u00e5 kraftige verkt\u00f8y for \u00e5 tilordne tagger og vurderinger til bildene. Du kan bruke filtreringsfunksjonen for raskt \u00e5 finne bilder som oppfyller bestemte kriterier. I tillegg til filtrering har digiKam sterke s\u00f8kemuligheter som lar deg s\u00f8ke i biblioteker etter et bredt spekter av kriterier. Du kan s\u00f8ke etter bilder basert p\u00e5 datoer, tagger, merker, rangeringer, beliggenhet og annen EXIF-, IPTC- eller XMP-metadata.<\/p>\n

<\/p>\n

Appen tilbyr et komplett sett med redigeringsverkt\u00f8y. Dette inkluderer grunnleggende verkt\u00f8y for fargejustering, beskj\u00e6ring samt avanserte verkt\u00f8y for kurvestyring, panoramafiksing og mye mer. Et spesialverkt\u00f8y basert p\u00e5 biblioteket Lensfun<\/a> lar deg automatisk anvende objektivkorreksjoner p\u00e5 bildene.<\/p>\n

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

Betydelige endringer og nyheter i denne utgivelsen:<\/p>\n

Ansiktsgjenkjenningsfunksjonen er betydelig forbedret.<\/h2>\n

Tidligere ble ansiktsgjenkjenning i samlingen utf\u00f8rt ved hjelp av en klassisk kaskadeklassifiserer fra OpenCV-biblioteket. Den fungerer ganske bra, men gir ikke mer enn 80 % vellykkede gjenkjennelser. I tillegg, if\u00f8lge tilbakemeldinger fra brukere i feilrapporteringssystemet, h\u00e5ndterer ansiktsgjenkjenning d\u00e5rlig n\u00e5r det kommer til gruppering etter ansikt.<\/p>\n

Ny kode, basert p\u00e5 Deep Neural Network fra OpenCV-biblioteket, bruker nevrale nettverk med forh\u00e5ndstrente modeller. Andelen vellykkede gjenkjennelser \u00f8kte til 97 %. En annen fordel er at den nye mekanismen er i stand til \u00e5 gjenkjenne kj\u00e6ledyr, for eksempel hunder.<\/p>\n

Det er ogs\u00e5 forbedret gruppesortering etter ansikter. I brukergrensesnittet er det n\u00e5 mulig \u00e5 informere algoritmen om at et ansikt er feilidentifisert eller helt utelukke det fra gruppen.<\/p>\n

St\u00f8tten for RAW-formater er forbedret.<\/h2>\n

Versjonen av libraw-biblioteket er oppdatert til 0.20. Dette har gjort det mulig \u00e5 legge til st\u00f8tte for mer enn 40 nye kameraer:<\/p>\n