lançamento da biblioteca livre (Open Source Computer Vision Library), que fornece ferramentas para processamento e análise de conteúdo de imagens. O OpenCV oferece mais de 2500 algoritmos, tanto clássicos quanto refletindo os mais recentes avanços em visão computacional e sistemas de aprendizado de máquina. O código da biblioteca é escrito em C++ e sob licença BSD. As ligações estão preparadas para várias linguagens de programação, incluindo Python, MATLAB e Java.
A biblioteca pode ser usada para reconhecimento de objetos em fotografias e vídeos (por exemplo, reconhecimento de rostos e figuras humanas, texto, etc.), rastreamento de movimento de objetos e câmeras, classificação de ações em vídeos, transformação de imagens, extração de modelos 3D, formação de espaço 3D a partir de imagens de câmeras estéreo, criação de imagens de alta qualidade através da combinação de imagens de menor qualidade, busca em imagens por objetos semelhantes a um conjunto apresentado, aplicação de métodos de aprendizado de máquina, posicionamento de marcadores, identificação de elementos comuns em diferentes imagens, correção automática de defeitos, como o efeito dos olhos vermelhos.
Em :
- No módulo DNN (Deep Neural Network) com a implementação de algoritmos de aprendizado de máquina baseados em redes neurais, foi adicionado um backend para uso do CUDA e foi implementado suporte experimental para API ;
- Usando instruções SIMD, houve uma otimização de desempenho do código para estereovisão (StereoBM/StereoSGBM), redimensionamento, sobreposição de máscara, rotação, cálculo de componentes de cor ausentes e muitas outras operações;
- Foi adicionada uma implementação multithread da função ;
- Foi adicionada a capacidade de extrair fluxos de vídeo de contêineres de mídia (demuxing) usando o backend videoio baseado em FFmpeg;
- Foi adicionado um algoritmo para rápida reconstrução seletiva de frequência de imagens danificadas (Reconstrução Seletiva de Frequência);
- Método adicionado para interpolação de áreas vazias típicas;
- Foi adicionado um método de normalização de desvios ;
- No módulo G-API (opencv_gapi), que desempenha funções de mecanismo para o processamento eficiente de imagens usando algoritmos baseados em grafos, foi implementado suporte a algoritmos híbridos mais complexos de visão computacional e aprendizado de máquina profundo. Há suporte para o backend Intel Inference Engine. A modelo de execução agora inclui suporte ao processamento de fluxos de vídeo;
- Corrigidos (, ), que potencialmente podem levar à execução de código do atacante ao processar dados não verificados nos formatos XML, YAML e JSON. Se, durante a análise do JSON, um caractere com código nulo for encontrado, o valor inteiro é copiado para o buffer, mas sem a devida verificação de estouro da área de memória alocada.
Fonte: opennet.ru
