Թողարկվել է OpenCV 5-ը. վերաշարադրված DNN շարժիչ և ONNX-ի աջակցության թռիչք

OpenCV 5-ը թողարկվել է։ Թիմը թողարկումը հրապարակել է 2026 թվականի հունիսի 4-ին և այն բնութագրում է որպես գրադարանի պատմության ամենակարևոր թողարկումներից մեկը։ OpenCV-ն ունի ավելի քան 86 000 աստղ GitHub-ում և օրական ավելի քան մեկ միլիոն տեղադրում. դրա վրա են հիմնված ռոբոտիկան, արդյունաբերական վերահսկումը, բժշկական վիզուալիզացիան, AR/VR-ը և համակարգչային տեսողության արտադրական համակարգերի մեծ մասը։ pip փաթեթը կհրապարակվի հունիսի 8-ին, իսկ թողարկումը ժամանակավորված է Դենվերում կայանալիք CVPR 2026-ի հետ։

Վերաշարադրված DNN շարժիչ

Գլխավոր նորույթը խորը ուսուցման նոր շարժիչն է։ Թիմի տվյալներով՝ ONNX օպերատորների աջակցությունը 4.x շարքի մոտ 13%-ից 5.x-ում աճել է մինչև ավելի քան 64%։ Հին շարժիչը ներմուծում էր օպերատորների միայն փոքր մասը և դժվարանում էր դինամիկ ձևերի հետ. նորը կառուցված է տիպավորված գործողությունների գրաֆի վրա՝ ձևերի եզրակացությամբ, հաստատունների ծալմամբ և օպերատորների միաձուլմամբ։ Այժմ բեռնվում են If և Loop ենթագրաֆերով, սիմվոլիկ ու դինամիկ ձևերով և quantize/dequantize գրաֆերով մոդելներ։ Attention-ի և MatMul-ի միաձուլումը տրանսֆորմերների հիմքում ընկած MatMul → Softmax → MatMul օրինաչափությունը վերածում է մեկ միասնական ուշադրության գործողության՝ FlashAttention ոճի իրականացմամբ։

Երեք շարժիչ՝ մեկ API-ի հետևում

Թարմացումները հազվադեպ են կոտրում գործող հոսքերը. readNet ֆունկցիաների ընտանիքը ընդունում է engine արգումենտ։ Լռելյայն ENGINE_AUTO-ն սկզբում փորձում է նոր շարժիչը, իսկ մոդելի բեռնման ձախողման դեպքում վերադառնում դասական 4.x ուղուն։ ENGINE_NEW-ը պարտադրում է գրաֆային շարժիչը, որը առայժմ աշխատում է միայն CPU-ի վրա. ENGINE_CLASSIC-ը պահպանում է հին շարժիչը և մնում է CUDA-ի ու OpenVINO-ի ճանապարհը. ENGINE_ORT-ը օգտագործում է ներկառուցված ONNX Runtime-ը։ Չափումները կատարվել են CPU-ի վրա (Intel Core i9-14900KS, Ubuntu 24.04)՝ XFeat՝ 6.56 ms ընդդեմ 8.61-ի, DINOv2 small՝ 23.78 ընդդեմ 29.58-ի, YOLOv8n՝ 10.9 ընդդեմ 12.15-ի, OWLv2՝ 1 090 ընդդեմ 1 489-ի, BiRefNet՝ 7 178 ընդդեմ 9 503-ի։ Առավելությունը մոդելից կախված 4%-ից 36% է։

LLM-ներ, ինփեյնթինգ և ավելի նիհար միջուկ

OpenCV 5-ը կարողանում է խոշոր լեզվական և վիզուալ-լեզվական մոդելներ գործարկել անմիջապես DNN մոդուլում՝ ներկառուցված տոկենիզատորով և KV քեշով։ Աջակցվում են Qwen 2.5, Gemma 3, PaliGemma և GPT-2 ընտանիքը. Qwen 2.5-ի թեստը ONNX Runtime-ի արդյունքը կրկնեց տոկեն առ տոկեն։ Օբյեկտների հեռացումը LaMa մոդելով կատարվում է մեկ forward անցումով։ Features2D-ն փոխարինել է նոր Features մոդուլը՝ ALIKED և DISK ուսուցվող դետեկտորներով ու LightGlue համադրիչով, իսկ SIFT-ն ու ORB-ը մնում են տեղում։ Միջուկին ավելացել են FP16 և BF16 տիպերը, 0D/1D Mat-ի աջակցությունը, broadcasting-ը և NumPy 2.x-ի համատեղելիությունը. հին C API-ն հայտարարվել է հնացած, C++17-ը՝ նվազագույն ստանդարտ։ Նոր ապարատային արագացման շերտը թափանցիկ միացնում է Intel IPP, Arm KleidiCV, Qualcomm FastCV և RISC-V Vector միջուկները՝ ARM-ի սովորական գործողություններում 3-4 անգամ արագացումով։