OpenCV 5 yayınlandı: yeniden yazılan DNN motoru ve ONNX kapsamında büyük artış

OpenCV 5 yayınlandı. OpenCV ekibi sürümü 4 Haziran 2026'da duyurdu ve kütüphane tarihinin en önemli sürümlerinden biri olarak tanımlıyor. OpenCV'nin GitHub'da 86.000'den fazla yıldızı ve günde bir milyondan fazla kurulumu var; robotik, endüstriyel denetim, tıbbi görüntüleme, AR/VR ve üretimdeki bilgisayarlı görü sistemlerinin büyük bölümü bu kütüphaneye dayanıyor. pip paketinin 8 Haziran'da çıkması planlanıyor; sürüm, Denver'daki CVPR 2026 ile aynı döneme denk getirildi.

Yeniden yazılan DNN motoru

En önemli değişiklik yeni derin öğrenme motoru. Ekibe göre ONNX operatör kapsamı 4.x serisindeki yaklaşık yüzde 13 seviyesinden OpenCV 5'te yüzde 64'ün üzerine çıktı. Eski motor operatör kümesinin küçük bir bölümünü içe aktarıyor ve dinamik şekillerde zorlanıyordu; yeni motor şekil çıkarımı, sabit katlama ve operatör birleştirme yapan tipli bir işlem grafiği üzerine kurulu. Artık If ve Loop alt grafikleri, sembolik ve dinamik şekiller ile quantize/dequantize grafikleri yüklenebiliyor. Attention ve MatMul birleştirmesi, transformer'ların merkezindeki MatMul → Softmax → MatMul desenini FlashAttention tarzı bir uygulamayla tek bir birleşik dikkat işlemine indiriyor.

Tek API arkasında üç motor

Yükseltmeler mevcut akışları nadiren bozuyor: readNet fonksiyon ailesi bir engine argümanı alıyor. Varsayılan ENGINE_AUTO önce yeni motoru deniyor, model yüklenmezse klasik 4.x yoluna düşüyor. ENGINE_NEW grafik motorunu zorluyor; bu motor şimdilik yalnızca CPU üzerinde çalışıyor. ENGINE_CLASSIC eski motoru koruyor ve CUDA ile OpenVINO hedefleri için gereken yol olmayı sürdürüyor. ENGINE_ORT ise paket içindeki ONNX Runtime'ı kullanıyor. Kıyaslamalar CPU'da yapıldı (Intel Core i9-14900KS, Ubuntu 24.04): XFeat 6,56 ms'ye karşı 8,61, DINOv2 small 23,78'e karşı 29,58, YOLOv8n 10,9'a karşı 12,15, OWLv2 1.090'a karşı 1.489, BiRefNet 7.178'e karşı 9.503. Modele göre avantaj yüzde 4 ile 36 arasında değişiyor.

LLM'ler, iç boyama ve daha yalın çekirdek

OpenCV 5, büyük dil ve görsel-dil modellerini doğrudan DNN modülü içinde çalıştırabiliyor: yerleşik bir tokenizer ve otoregresif çözümleme için KV önbelleği var. Qwen 2.5, Gemma 3, PaliGemma ve GPT-2 ailesi destekleniyor; bir Qwen 2.5 testinde çıktı ONNX Runtime ile token token eşleşti. LaMa iç boyama modeliyle nesne silme tek bir forward geçişinde tamamlanıyor. Yeni Features modülü Features2D'nin yerini alıyor: öğrenilmiş ALIKED ve DISK dedektörleri ile LightGlue eşleştiricisi geliyor, SIFT ve ORB ise yerinde kalıyor. Çekirdeğe FP16 ve BF16 tipleri, 0D ve 1D Mat desteği, broadcasting, NumPy 2.x uyumluluğu ve isimli argümanlar eklendi; eski C API kullanımdan kaldırıldı ve C++17 asgari standart oldu. Yenilenen donanım hızlandırma katmanı Intel IPP, Arm KleidiCV, Qualcomm FastCV ve RISC-V Vector çekirdeklerini şeffaf biçimde devreye alıyor; ARM'da yaygın işlemlerde 3-4 kat hızlanma bildiriliyor.