Состоялся релиз свободной библиотеки OpenCV 4.7 (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 распространяется под лицензией BSD. Биндинги подготовлены для различных языков программирования, включая Python, MATLAB и Java.
Biblioteka mund të përdoret për njohjen e objekteve në fotografi dhe video (për shembull, njohja e fytyrave dhe silueteve të njerëzve, tekstit etj.), ndjekjen e lëvizjes së objekteve dhe kamerave, klasifikimin e veprimeve në video, transformimin e imazheve, nxjerrjen e modeleve 3D, formimin e një hapësire 3D nga imazhet e kamerave stereokopike, krijimin e imazheve me cilësi të lartë përmes kombinimit të imazheve me cilësi më të ulët, kërkimin e objekteve në imazh që ngjajnë me një grup të dhënë elementesh, aplikimin e metodave të mësimit të makinerive, vendosjen e shenjave, identifikimin e elementeve të zakonshme në imazhe të ndryshme, eliminimin automatik të defekteve të tilla si efekti i syve të kuq.
Mes ndryshimeve në versionin e ri:
- Проведена значительная оптимизация производительности свёрток в модуле DNN (Deep Neural Network) с реализацией алгоритмов машинного обучения на основе нейронных сетей. Реализован алгоритм быстрых свёрток Винограда. Добавлены новые слои ONNX (Open Neural Network Exchange): Scatter, ScatterND, Tile, ReduceL1 и ReduceMin. Добавлена поддержка фреймворка OpenVino 2022.1 и бэкенда CANN.
- Улучшено качество определения и декодирования QR-кодов.
- Добавлена поддержка визуальных маркеров ArUco и AprilTag.
- Добавлен трекер Nanotrack v2 на базе нейронных сетей.
- Реализован алгоритм размытия Stackblur.
- Добавлена поддержка FFmpeg 5.x и CUDA 12.0.
- Предложен новый API для манипуляций многостраничными форматами изображений.
- Добавлена поддержка библиотеки libSPNG для формата PNG.
- В libJPEG-Turbo задействовано ускорения при помощи SIMD-инструкций.
- Для платформы Android реализована поддержка H264/H265.
- Предоставлены все базовые API для языка Python.
- Добавлен новый универсальный бэкенд для векторных инструкций.
Burimi: opennet.ru
