Została wydana wolna biblioteka OpenCV 4.7 (Open Source Computer Vision Library), która oferuje narzędzia do przetwarzania i analizy treści obrazów. OpenCV udostępnia ponad 2500 algorytmów, zarówno klasycznych, jak i odzwierciedlających najnowsze osiągnięcia w dziedzinie komputerowego widzenia i systemów uczenia maszynowego. Kod biblioteki napisano w języku C++ i udostępniono na licencji BSD. Przygotowano powiązania dla różnych języków programowania, w tym Python, MATLAB i Java.
Biblioteka może być stosowana do rozpoznawania obiektów na zdjęciach i filmach (na przykład rozpoznawanie twarzy i sylwetek ludzi, tekstu itp.), śledzenia ruchu obiektów i kamery, klasyfikacji działań na filmach, przekształcania obrazów, ekstrakcji modeli 3D, tworzenia przestrzeni 3D z obrazów z kamer stereoskopowych, tworzenia wysokiej jakości obrazów poprzez łączenie obrazów o niższej jakości, wyszukiwania na obrazach obiektów podobnych do przedstawionego zestawu elementów, stosowania metod uczenia maszynowego, umieszczania znaczników, wykrywania wspólnych elementów na różnych obrazach, automatycznego usuwania defektów, takich jak efekt czerwonych oczu.
Wśród zmian w nowej wersji:
- Przeprowadzono znaczną optymalizację wydajności operacji splotu w module DNN (Deep Neural Network) z wdrożeniem algorytmów uczenia maszynowego opartych na sieciach neuronowych. Zrealizowano algorytm szybkich splotów Winograda. Dodano nowe warstwy ONNX (Open Neural Network Exchange): Scatter, ScatterND, Tile, ReduceL1 i ReduceMin. Dodano wsparcie dla frameworku OpenVino 2022.1 oraz backendu CANN.
- Poprawiono jakość wykrywania i dekodowania kodów QR.
- Dodano wsparcie dla znaczników wizualnych ArUco i AprilTag.
- Dodano tracker Nanotrack v2 oparty na sieciach neuronowych.
- Zrealizowano algorytm rozmycia Stackblur.
- Dodano wsparcie dla FFmpeg 5.x oraz CUDA 12.0.
- Zaproponowano nowe API do manipulacji wielostronicowymi formatami obrazów.
- Dodano wsparcie dla biblioteki libSPNG dla formatu PNG.
- W libJPEG-Turbo wykorzystano przyspieszenie za pomocą instrukcji SIMD.
- Dla platformy Android zrealizowano wsparcie H264/H265.
- Udostępniono wszystkie podstawowe API dla języka Python.
- Dodano nowy uniwersalny backend dla wektorowych instrukcji.
Źródło: opennet.ru
