Lansarea bibliotecii de computer vision OpenCV 4.2

a avut loc релиз свободной библиотеки OpenCV 4.2 (Open Source Computer Vision Library), предоставляющей средства для обработки и анализа содержимого изображений. OpenCV предоставляет более 2500 алгоритмов, как классических, так и отражающих последние достижения в области компьютерного зрения и систем машинного обучения. Код библиотеки написан на языке С++ и distribuit de под лицензией BSD. Биндинги подготовлены для различных языков программирования, включая Python, MATLAB и Java.

Biblioteca poate fi folosită pentru a recunoaște obiecte din fotografii și videoclipuri (de exemplu, recunoașterea fețelor și figurilor oamenilor, text etc.), urmărirea mișcării obiectelor și camerelor, clasificarea acțiunilor în videoclipuri, conversia imaginilor, extragerea modelelor 3D, generarea de spațiu 3D din imagini de la camere stereo, crearea de imagini de înaltă calitate prin combinarea imaginilor de calitate inferioară, căutarea de obiecte din imagine care sunt similare cu setul de elemente prezentat, aplicarea metodelor de învățare automată, plasarea de markeri, identificarea elementelor comune în diferite imagini, eliminând automat defecte precum ochi roșii.

В nou eliberare:

• В модуль DNN (Deep Neural Network) с реализацией алгоритмов машинного обучения на основе нейронных сетей добавлен бэкенд для использования CUDA и реализована экспериментальная поддержка API nGraph OpenVINO;
• С использованием SIMD-инструкций проведена оптимизация производительности кода для стереовывода (StereoBM/StereoSGBM), изменения размера, наложения маски, поворота, расчёта недостающих компонентов цвета и многих других операций;
• Добавлена многопоточная реализация функции pyrDown;
• Добавлена возможность извлечения видеопотоков из медиаконтейнеров (demuxing) при помощи бэкенда videoio на базе FFmpeg;
• Добавлен алгоритм для быстрой частотно-селективной реконструкции повреждённых изображений FSR (Frequency Selective Reconstruction);
• Metodă adăugată RIC для интерполяции типовых незаполненных областей;
• Добавлен метод нормализации отклонений LOGOS;
• В модуле G-API (opencv_gapi), выполняющем функции движка для эффективной обработки изображений с использованием алгоритмов на основе графов, реализована поддержка более сложных гибридных алгоритмов компьютерного зрения и глубинного машинного обучения. Обеспечена поддержка бэкенда Intel Inference Engine. В модель выполнения добавлена поддержка обработки видеопотоков;
• Eliminat vulnerabilități (CVE-2019-5063, CVE-2019-5064), которые потенциально могут привести к выполнению кода атакующего при обработке непроверенных данных в форматах XML, YAML и JSON. Если в процессе разбора JSON встретился символ с нулевым кодом, значение целиком копируется в буфер, но без должной проверки выхода за границы выделенной области памяти.

Sursa: opennet.ru