Det kostnadsfria biblioteket OpenCV 4.7 (Open Source Computer Vision Library) släpptes, vilket ger 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 distribueras under BSD-licensen. 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.
Bland ändringarna i den nya utgåvan:
- Betydande optimering av faltningsprestanda i modulen DNN (Deep Neural Network) har genomförts med implementering av maskininlärningsalgoritmer baserade på neurala nätverk. Den snabba faltningsalgoritmen Winograd har implementerats. Lade till nya ONNX (Open Neural Network Exchange) lager: Scatter, ScatterND, Tile, ReduceL1 och ReduceMin. Lade till stöd för OpenVino 2022.1-ramverket och CANN-backend.
- Förbättrad kvalitet på QR-kodsdetektering och avkodning.
- Lade till stöd för visuella markörer ArUco och AprilTag.
- Lade till Nanotrack v2 tracker baserad på neurala nätverk.
- Implementerad Stackblur oskärpa algoritm.
- Lade till stöd för FFmpeg 5.x och CUDA 12.0.
- Ett nytt API har föreslagits för att manipulera bildformat med flera sidor.
- Lade till stöd för libSPNG-biblioteket för PNG-formatet.
- libJPEG-Turbo möjliggör acceleration med hjälp av SIMD-instruktioner.
- För Android-plattformen har stöd för H264/H265 implementerats.
- Alla grundläggande Python API:er tillhandahålls.
- Lade till en ny universell backend för vektorinstruktioner.
Källa: opennet.ru