ไลบรารีสามารถใช้เพื่อจดจำวัตถุในภาพถ่ายและวิดีโอ (เช่น การจดจำใบหน้าและตัวเลขของบุคคล ข้อความ ฯลฯ) ติดตามการเคลื่อนไหวของวัตถุและกล้อง จำแนกการกระทำในวิดีโอ การแปลงรูปภาพ การแยกโมเดล 3 มิติ การสร้างพื้นที่ 3 มิติจากภาพจากกล้องสเตอริโอ การสร้างภาพคุณภาพสูงโดยการรวมภาพคุณภาพต่ำ การค้นหาวัตถุในภาพที่คล้ายคลึงกับชุดองค์ประกอบที่นำเสนอ การใช้วิธีการเรียนรู้ของเครื่องจักร การใส่เครื่องหมาย การระบุองค์ประกอบทั่วไปในรูปแบบต่างๆ ภาพจะกำจัดจุดบกพร่อง เช่น ตาแดง โดยอัตโนมัติ
- มีการเพิ่มแบ็กเอนด์สำหรับการใช้ CUDA ลงในโมดูล DNN (Deep Neural Network) โดยมีการนำอัลกอริธึมการเรียนรู้ของเครื่องจักรมาใช้ตามโครงข่ายประสาทเทียมและรองรับ API เชิงทดลอง
nกราฟ OpenVINO ; - การใช้คำสั่ง SIMD ประสิทธิภาพของโค้ดได้รับการปรับให้เหมาะสมสำหรับเอาต์พุตสเตอริโอ (StereoBM/StereoSGBM) การปรับขนาด การมาสก์ การหมุน การคำนวณส่วนประกอบสีที่หายไป และการดำเนินการอื่นๆ อีกมากมาย
- เพิ่มการใช้งานฟังก์ชันแบบมัลติเธรด
ไพร์ดาวน์ ; - เพิ่มความสามารถในการแยกสตรีมวิดีโอจากคอนเทนเนอร์สื่อ (demuxing) โดยใช้แบ็กเอนด์ videoio ตาม FFmpeg
- เพิ่มอัลกอริธึมสำหรับการสร้างภาพที่เสียหายโดยเลือกความถี่อย่างรวดเร็ว
FSR (การสร้างใหม่แบบเลือกความถี่); - เพิ่มวิธีการ
RIC สำหรับการแก้ไขพื้นที่ที่ไม่ได้บรรจุโดยทั่วไป - เพิ่มวิธีการทำให้เป็นมาตรฐานของการเบี่ยงเบน
LOGOS ; - โมดูล G-API (opencv_gapi) ซึ่งทำหน้าที่เป็นกลไกสำหรับการประมวลผลภาพที่มีประสิทธิภาพโดยใช้อัลกอริธึมแบบกราฟ รองรับคอมพิวเตอร์วิทัศน์ที่ซับซ้อนยิ่งขึ้นและอัลกอริธึมการเรียนรู้ของเครื่องเชิงลึก มีการรองรับแบ็กเอนด์ Intel Inference Engine เพิ่มการรองรับสำหรับการประมวลผลสตรีมวิดีโอไปยังโมเดลการดำเนินการ
- ตกรอบแล้ว
ช่องโหว่ (CVE-2019-5063 ,CVE-2019-5064 ) ซึ่งอาจนำไปสู่การเรียกใช้โค้ดของผู้โจมตีเมื่อประมวลผลข้อมูลที่ไม่ได้รับการยืนยันในรูปแบบ XML, YAML และ JSON หากพบอักขระที่มีโค้ด null ในระหว่างการแยกวิเคราะห์ JSON ค่าทั้งหมดจะถูกคัดลอกไปยังบัฟเฟอร์ แต่ไม่ได้ตรวจสอบอย่างถูกต้องว่าเกินขอบเขตของพื้นที่หน่วยความจำที่จัดสรรหรือไม่
ที่มา: opennet.ru