digiKam 7.0.0 已经发布。digiKam 是一款针对 KDE 桌面环境的数字相片管理工具，此版本带来了几大亮点。 经过深度学习的面部管理功能多年来，digiKam 提供了一项重要功能，专用于检测和识别照片中的面部。自从包含此功能的第一个修订版（digiKam 2.0.0）以来，后台使用的算法（不是基于深度学习的算法）较旧且未更改。它的功能不足以自动促进人脸管理工作流程。
此前使用 OpenCV 库中基于经典特征的 Cascade 分类器执行了用于分析图像内容以隔离和标记人脸的复杂方法。这种较旧的方法可行，但不能提供高水平的真实正面结果。在分析时，人脸检测能够提供 80％ 的良好结果，虽然还不错，但是需要大量用户反馈以确认是否检测到人脸。 今年，这一功能的代码被完全重写。该项目的目标是保留所有旧有的想法，并将检测和识别引擎移植到更现代的深度学习方法上。基于 OpenCV 库中最新的深度神经网络功能的新代码将神经元网络与预先学习的数据模型专用于人脸管理。不需要学习阶段就可以进行面部检测和识别。结果是运行速度更快，成功率也高达 97% 。此外，非人脸也能够被检测到，就像在此屏幕截图中看到的狗一样。
新的 Raw 文件支持digiKam 尝试使数码相机提供的所有文件功能最强大，Raw 文件支持是一个巨大的挑战。因此 digiKam 使用功能强大的 Libraw 库对计算机上的 Raw 文件进行后处理，该库包含复杂的算法，以支持所有不同的 Raw 文件格式。7.0.0 版本中，使用新版 libraw 0.20，其中引入了 40 多种新的 Raw 格式，尤其是市场上可用的最新相机型号，包括新的 Canon Canon CR3 格式和 Sony A7R4（61 Mpx！）。
改进 HEIF 图像格式支持HEIF 是用于单个图像和图像序列的文件格式，HEIF 图像中存储的信息量是相同大小的 JPEG 图像中的信息量的两倍，因此图像质量更好。HEIF 还支持动画，并且能够以比 GIF 小的空间存储更多信息。 目前除了能够解码或编码 HEIF 图像，另一个支持要点是用从相机捕获的主要镜头信息填充数据库。目标是能够使用一些技术标准在以后搜索引擎时找到大量集合中的项目。此版本使用 libheif 共享库完全支持从 HEIF 中提取 Exif、Iptc 和 Xmp 元数据。
此外还有多项新特性以及功能改进，详情查看发布公告： https://www.digikam.org/news/2020-07-19-7.0.0_release_announcement |
