Utgivning av datorvisionsbiblioteket OpenCV 4.2

tog plats gratis utgivning av bibliotek OpenCV 4.2 (Open Source Computer Vision Library), som tillhandahåller verktyg för att bearbeta och analysera bildinnehåll. OpenCV tillhandahåller mer än 2500 XNUMX algoritmer, både klassiska och återspeglar de senaste framstegen inom datorseende och maskininlärningssystem. Bibliotekskoden är skriven i C++ och levererad av under BSD-licens. Bindningar förbereds för olika programmeringsspråk, inklusive Python, MATLAB och Java.

Biblioteket kan användas för att känna igen objekt i fotografier och videor (till exempel igenkänning av ansikten och figurer av människor, text, etc.), spåra rörelser av objekt och kameror, klassificera åtgärder i video, konvertera bilder, extrahera 3D-modeller, generera 3D-utrymme från bilder från stereokameror, skapa bilder av hög kvalitet genom att kombinera bilder av lägre kvalitet, söka efter objekt i bilden som liknar den presenterade uppsättningen element, tillämpa maskininlärningsmetoder, placera markörer, identifiera vanliga element i olika bilder, vilket automatiskt eliminerar defekter som röda ögon.

В ny släpp:

• En backend för att använda CUDA har lagts till i modulen DNN (Deep Neural Network) med implementering av maskininlärningsalgoritmer baserade på neurala nätverk och experimentellt API-stöd har implementerats nGraph OpenVINO;
• Med hjälp av SIMD-instruktioner optimerades kodprestandan för stereoutgång (StereoBM/StereoSGBM), storleksändring, maskering, rotation, beräkning av saknade färgkomponenter och många andra operationer;
• Lade till flertrådig implementering av funktionen pyrDown;
• Lade till möjligheten att extrahera videoströmmar från mediabehållare (demuxing) med videoio-backend baserad på FFmpeg;
• Tillagd algoritm för snabb frekvensselektiv rekonstruktion av skadade bilder FSR (Frekvensselektiv rekonstruktion);
• Tillagd metod RIC för interpolering av typiska ofyllda områden;
• Tillagd metod för avvikelsenormalisering LOGOER;
• G-API-modulen (opencv_gapi), som fungerar som en motor för effektiv bildbehandling med grafbaserade algoritmer, stöder mer komplexa hybriddatorseende och djupa maskininlärningsalgoritmer. Stöd för Intel Inference Engine-backend tillhandahålls. Lade till stöd för bearbetning av videoströmmar till exekveringsmodellen;
• Utslagen sårbarheter (CVE-2019-5063, CVE-2019-5064), vilket potentiellt kan leda till exekvering av angriparkod vid bearbetning av overifierade data i formaten XML, YAML och JSON. Om ett tecken med en nollkod påträffas under JSON-parsning, kopieras hela värdet till bufferten, men utan att korrekt kontrollera om det överskrider gränserna för det tilldelade minnesområdet.

Källa: opennet.ru