Az OpenCV (Open Source Computer Vision Library) a képfeldolgozás és a gépi látás nyílt forráskódú szoftverkönyvtára, amelynek fejlesztése 2000 körül kezdődött az Intelnél. Több ezer függvényt kínál, például képek szűrésére, élek és arcok felismerésére, objektumok videón történő követésére vagy kamerák kalibrálására. Az OpenCV C++ nyelven íródott, de gyakran használják Pythonon keresztül, például minőségellenőrzésben, robotikában és kutatásban.
Ügynökök, munkafolyamatok és sablonok egyetlen munkaterületen – ingyenes, 24 órás demó.
Demó indításaA számítógépes látás az MI olyan területe, amelyben a számítógépek képeket és videókat értelmeznek. Jellemző feladat a tárgyak felismerése és helyének meghatározása, a képeken lévő szöveg kiolvasása és az alkatrészek méretének mérése. A technológiát például a gyártási minőségellenőrzésben, a vezetéstámogató rendszerekben, a logisztikában és az orvosi képalkotásban használják.
A képfelismerés a számítógépes látás olyan területe, amelyben a szoftver azonosítja, mit ábrázol egy kép – tárgyakat, embereket, szöveget, logókat vagy jeleneteket. Általában nagyszámú címkézett képen tanított neurális hálózatokon alapul. Az alkalmazások a gyártási minőségellenőrzéstől és a termékfotók rendezésétől az orvosi képalkotás támogatásáig terjednek. Embereket ábrázoló képek esetén az adatvédelem és a lehetséges torzítás különös figyelmet igényel.
A testtartás-becslés (pose estimation) olyan gépi látási technika, amely képeken vagy videókon meghatározza az emberek testtartását, illetve a tárgyak helyzetét és tájolását. A modell jellemzően kulcspontokat – például vállakat, könyököket és térdeket – ismer fel, és vázzá köti össze őket. Használják például a gyakorlatokat ellenőrző fitneszalkalmazásokban, a munkahelyi ergonómiai elemzésben, a sportanalitikában és a robotikában.
A példányszegmentálás (instance segmentation) egy számítógépes látási technika, amely egy képen minden egyes objektumot felismer, és képpontról képpontra körvonalaz. A szemantikus szegmentálással ellentétben az azonos osztályba tartozó objektumokat is megkülönbözteti: három ember három külön maszkot kap, nem egy közös területet. Használják például minőségellenőrzésben, orvosi képalkotásban, robotikában vagy polcon lévő termékek megszámlálásához.
