Uppsläppet av biblioteket för datorseende OpenCV 4.7

OpenCV 4.7 (Open Source Computer Vision Library) har släppts, en fri biblioteksmodul som ger verktyg för bearbetning och analys av bildinnehåll. OpenCV erbjuder över 2500 algoritmer, både klassiska och som återspeglar de senaste framstegen inom datorsyn och maskininlärningssystem. Biblioteket är skrivet i C++ och distribueras under BSD-licens. Bindningar har förberetts för olika programmeringsspråk, inklusive Python, MATLAB och Java.

Biblioteket kan användas för objektigenkänning på foton och videor (till exempel ansikts- och figurerigenkänning, text osv.), spårning av objekt och kameror, klassificering av handlingar i videor, bildtransformering, 3D-modellutvinning, skapande av 3D-utrymmen från bilder från stereokameror, skapande av högkvalitativa bilder genom sammanfogning av lägre kvalitetsbilder, sökning i bilder efter objekt som liknar en given uppsättning element, tillämpa metoder för maskininlärning, placering av markörer, identifiering av gemensamma element på olika bilder, automatisk eliminering av defekter, såsom röda ögon.

Bland förändringarna i den nya versionen:

• Betydande prestandaoptimering av konvolutioner i DNN-modulen (Deep Neural Network) har genomförts med implementering av maskininlärningsalgoritmer baserade på neurala nätverk. Algoritmen för snabba Vinograd-konvolutioner har implementerats. Nya lager för ONNX (Open Neural Network Exchange) har lagts till: Scatter, ScatterND, Tile, ReduceL1 och ReduceMin. Stöd för OpenVino 2022.1-ramverket och CANN-backend har lagts till.
• Kvaliteten för igenkänning och avkodning av QR-koder har förbättrats.
• Stöd för visuella markörer ArUco och AprilTag har lagts till.
• En Nanotrack v2-tracker baserad på neurala nätverk har lagts till.
• En Stackblur-algoritm har implementerats.
• Stöd för FFmpeg 5.x och CUDA 12.0 har lagts till.
• En ny API för manipulation av flersidiga bildformat har föreslagits.
• Stöd för libSPNG-biblioteket för PNG-formatet har lagts till.
• Acceleration genom SIMD-instruktioner har aktiverats i libJPEG-Turbo.
• Stöd för H264/H265 har implementerats för Android-plattformen.
• Alla grundläggande API:er för Python-språket har tillhandahållits.
• En ny universell backend för vektoriserade instruktioner har lagts till.

Källa: opennet.ru