Библиотека Python для увеличения изображений. Это интерпретируемый метод регуляризации. Вы преобразуете существующие размеченные данные в новые, тем самым увеличивая размер датасета.
Вы можете использовать Albumentations в PyTorch, Keras, Tensorflow или любом другом фреймворке, который может обрабатывать изображение как numpy array.
Лучше всего библиотека работает со стандартными задачами классификации, сегментации, детекции объектов и ключевых точек. Чуть реже встречаются задачи, когда в каждом элементе тренировочной выборки не один, а множество различных объектов.
Albumentations хорошо работает с данными из разных областей: фотографии, медицинские изображения, спутниковые изображения, производственные и промышленные приложения, генеративные состязательные сети.
Библиотека широко используется в промышленности, исследованиях глубокого обучения, соревнованиях по машинному обучению.
Сайт проекта
Платформы: Кроссплатформенность
Почему Albumentations
Albumentations поддерживает все общие задачи компьютерного зрения, такие как классификация, семантическая сегментация, сегментация экземпляров, обнаружение объектов и оценка позы.
Библиотека предоставляет простой унифицированный API для работы со всеми типами данных: изображениями (RBG-изображения, изображения в оттенках серого, мультиспектральные изображения), масками сегментации, ограничивающими рамками и ключевыми точками.
Библиотека содержит более 70 различных дополнений для создания новых обучающих выборок из существующих данных.
Работает с популярными фреймворками глубокого обучения, такими как PyTorch и TensorFlow.