Випуск бібліотеки комп'ютерного зору OpenCV 4.2

Відбувся реліз вільної бібліотеки OpenCV 4.2 (Open Source Computer Vision Library), що надає засоби для обробки та аналізу вмісту зображень. OpenCV надає більше 2500 алгоритмів, як класичних, так і відображають останні досягнення в галузі комп'ютерного зору та систем машинного навчання. Код бібліотеки написаний мовою С++ та поширюється під ліцензією BSD. Біндинги підготовлені для різних мов програмування, включаючи Python, MATLAB та Java.

Бібліотека може застосовуватися для розпізнавання об'єктів на фотографіях та відео (наприклад, розпізнавання осіб та фігур людей, тексту тощо), відстеження руху об'єктів та камери, класифікації дій на відео, перетворення зображень, вилучення 3D-моделей, формування 3D-простору із зображення від стереокамер, створення високоякісних зображень через об'єднання зображень нижчої якості, пошуку на зображенні об'єктів, схожих на представлений набір елементів, застосування методів машинного навчання, розміщення маркерів, виявлення загальних елементів на різних зображеннях, автоматичного усунення дефектів, таких як ефект червоних очей .

В новому випуску:

• В модуль DNN (Deep Neural Network) з реалізацією алгоритмів машинного навчання на основі нейронних мереж додано бекенд для використання CUDA та реалізовано експериментальну підтримку API nGraph OpenVINO;
• З використанням SIMD-інструкцій проведена оптимізація продуктивності коду для стереовиводу (StereoBM/StereoSGBM), зміни розміру, накладання маски, повороту, розрахунку відсутніх компонентів кольору та багатьох інших операцій;
• Додана багатопотокова реалізація функції pyrDown;
• Додана можливість вилучення відеопотоків з медіаконтейнерів (demuxing) за допомогою бекенда videoio на базі FFmpeg;
• Доданий алгоритм для швидкої частотно-селективної реконструкції пошкоджених зображень FSR (Frequency Selective Reconstruction);
• Доданий метод RIC для інтерполяції типових незаповнених областей;
• Доданий метод нормалізації відхилень ЛОГОТИПИ;
• У модулі G-API (opencv_gapi), що виконує функції двигуна для ефективної обробки зображень з використанням алгоритмів на основі графів, реалізовано підтримку складніших гібридних алгоритмів комп'ютерного зору та глибинного машинного навчання. Забезпечено підтримку бекенду Intel Inference Engine. До моделі виконання додано підтримку обробки відеопотоків;
• Усунені уразливості (CVE-2019-5063, CVE-2019-5064), які потенційно можуть призвести до виконання коду атакуючого при обробці неперевірених даних у форматах XML, YAML та JSON. Якщо в процесі аналізу JSON зустрівся символ з нульовим кодом, значення повністю копіюється в буфер, але без належної перевірки виходу за межі виділеної області пам'яті.

Джерело: opennet.ru