Lansarea bibliotecii de viziune computațională OpenCV 4.2

A avut loc lansarea bibliotecii libere OpenCV 4.2 (Biblioteca Open Source pentru Viziune Computațională), care oferă instrumente pentru procesarea și analizarea conținutului imaginilor. OpenCV oferă peste 2500 de algoritmi, atât clasici, cât și reflectând cele mai recente realizări în domeniul viziunii computaționale și sistemelor de învățare automată. Codul bibliotecii este scris în limbajul C++ și se răspândește este disponibil sub licența BSD. Legăturile au fost pregătite pentru diverse limbaje de programare, inclusiv Python, MATLAB și Java.

Biblioteca poate fi utilizată pentru recunoașterea obiectelor în fotografii și videoclipuri (de exemplu, recunoașterea fețelor și siluetei umane, textului etc.), urmărirea mișcării obiectelor și camerelor, clasificarea acțiunilor din videoclipuri, transformarea imaginilor, extragerea modelelor 3D, formarea unui spațiu 3D din imagini de la camere stereo, crearea de imagini de înaltă calitate prin combinarea imaginilor de calitate mai mică, căutarea pe imagine a obiectelor similare cu un set dat de elemente, aplicarea metodelor de învățare automată, aranjarea markerelor, identificarea elementelor comune în imagini diferite, eliminarea automată a defectelor, cum ar fi efectul de ochi roșii.

În nou versiune:

• În modulul DNN (Rețea Neurală Profundă) cu implementarea algoritmilor de învățare automată bazate pe rețele neuronale este adăugat un backend pentru utilizarea CUDA și este implementat un suport experimental pentru API nGraph OpenVINO;
• Utilizând instrucțiuni SIMD, a fost optimizată performanța codului pentru generarea stereo (StereoBM/StereoSGBM), redimensionare, aplicarea unei măști, rotire, calcularea componentelor de culoare lipsă și multe alte operații;
• A fost adăugată o implementare multi-threaded a funcției pyrDown;
• A fost adăugată posibilitatea de extragere a fluxurilor video din containere multimedia (demuxing) folosind backend-ul videoio bazat pe FFmpeg;
• A fost adăugat un algoritm pentru reconstrucția rapidă selectivă în frecvență a imaginilor deteriorate FSR (Reconstrucția Selectivă în Frecvență);
• A fost adăugată metoda RIC pentru interpolarea zonelor tipice necomplete;
• A fost adăugat un metod de normalizare a abaterilor LOGOS;
• În modulul G-API (opencv_gapi), care îndeplinește funcțiile motorului pentru procesarea eficientă a imaginilor folosind algoritmi bazati pe grafuri, a fost implementat suport pentru algoritmi hibrizi mai complexi de viziune artificială și învățare profundă. Suportul backend pentru Intel Inference Engine a fost asigurat. Suportul pentru procesarea fluxurilor video a fost adăugat în modelul de execuție;
• Corectate vulnerabilități (CVE-2019-5063, CVE-2019-5064), care pot duce potențial la execuția codului atacatorului în timpul procesării datelor nesecurizate în formatele XML, YAML și JSON. Dacă în procesul de analiză JSON apare un simbol cu cod nul, valoarea este copiată complet în buffer, dar fără o verificare adecvată a limitelor zonei de memorie alocate.

Sursa: opennet.ro