digiKam 7.0.0-beta1 发布了，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。

截止目前，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。而且，在用户反馈下，人脸识别功能无法为用户提供自动标记机制的良好体验。

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。

未来，新的代码结构将允许使用其他预学习的数据模型，以检测和识别图像中的形式（如纪念碑，植物，动物）。困难在于找到适合于神经网络的预学习数据。

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。原始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。

此 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！）。

7.0.0 版本预计在明年春季正式发行。

更新说明：https://www.digikam.org/news/2019-12-22-7.0.0-beta1_release_announcement/