Foi lançado a biblioteca livre OpenCV 4.7 (Biblioteca de Visão Computacional de Código Aberto), que fornece ferramentas para o processamento e análise de conteúdos de imagens. OpenCV oferece mais de 2500 algoritmos, tanto clássicos quanto que refletem os últimos avanços em visão computacional e sistemas de aprendizado de máquina. O código da biblioteca é escrito em C++ e distribuído sob a licença BSD. Vínculos foram preparados 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.
Entre as mudanças na nova versão:
- Foi realizada uma otimização significativa no desempenho das convoluções no módulo DNN (Rede Neural Profunda) com a implementação de algoritmos de aprendizado de máquina baseados em redes neurais. O algoritmo rápido de convoluções de Vinograd foi implementado. Novas camadas ONNX (Open Neural Network Exchange) foram adicionadas: Scatter, ScatterND, Tile, ReduceL1 e ReduceMin. O suporte para o framework OpenVino 2022.1 e o backend CANN foi adicionado.
- A qualidade de detecção e decodificação de QR codes foi aprimorada.
- Adicionado suporte para marcadores visuais ArUco e AprilTag.
- Adicionado o rastreador Nanotrack v2 baseado em redes neurais.
- Implementado o algoritmo de desfoque Stackblur.
- Adicionado suporte para FFmpeg 5.x e CUDA 12.0.
- Uma nova API para manipulação de formatos de imagem multipágina foi proposta.
- Adicionado suporte para a biblioteca libSPNG para o formato PNG.
- No libJPEG-Turbo, foram utilizados acelerações por meio de instruções SIMD.
- Suporte para H264/H265 foi implementado na plataforma Android.
- Todas as APIs básicas para a linguagem Python foram disponibilizadas.
- Adicionado um novo backend universal para instruções vetoriais.
Fonte: opennet.ru
