Релиз библиотеки компьютерного зрения OpenCV 3.2
После года разработки состоялся релиз свободной библиотеки OpenCV 3.2 (Open Source Computer Vision Library), предоставляющей средства для обработки и анализа содержимого изображений, в том числе распознавания объектов на фотографиях (например, лиц и фигур людей, текста и т. п.), отслеживания движения объектов, преобразования изображений, применения методов машинного обучения и выявления общих элементов на разных изображениях. Код библиотеки написан на языке С++ и распространяется под лицензией BSD. Биндинги подготовлены для различных языков программирования.
В состав новой версии интегрированы новые возможности, подготовленные студентами в рамках программы "Google Summer of Code 2016". Например, подготовлены синусоидальные модели для модуля unwrap, реализован алгоритм DIS (Dense Inverse Search) для контроля оптического потока, добавлен алгоритм для отслеживания объектов на основе сверточной нейронной сети (CNN, Convolutional Neural Network), реализованы алгоритмы PCAFlow и Global Patch Collider, подготовлено многоязычное руководство по использованию OpenCV в Python, C++ и Java, подготовлена новая модель для камеры и параллельной обработки совмещенных работ, проведена оптимизация модуля dnn (Deep Neural Network), в хранилище добавлена поддержка форматов Batiny_dnnse64 и JSON, внесены улучшения в модуль tiny_dnn, реализован алгоритм разбора слов (Word-spotting) на основе сверточной нейронной сети.
Из работ, проведенных без привлечения студентов GSoC, отмечена значительное улучшение и ускорение работы модуля dnn: добавлено множество новых слоев, реализовано семантическое сегментирование и поддержка SSD-сетей, добавлена поддержка импорта из TensorFlow. Расширен список поддерживаемых форматов изображений и камер. Добавлено приложение для интерактивной калибровки камеры. В раздел opencv_contrib добавлена порция новых алгоритмов. Добавлена большая порция оптимизаций для ускорения работы на архитектурах с процессорами Intel и ARM, в том числе задействованы векторные инструкции и OpenCL. Реализована возможность ускорения за счет применения в OpenCV наборов OpenVX и LAPACK/BLAS (включая Intel MKL, Apple Accelerate, OpenBLAS и Atlas).
