文件名称：Albumentations：快速的图像增强库，易于使用的其他库包装器。 文档：https：albumentations.aidocs关于库的论文：https：www.mdpi.com2078-2489112125
文件大小：169KB
文件格式：ZIP
更新时间：2024-02-24 00:33:57
python machine-learning deep-learning detection image-processing
精炼 Albumentations是用于图像增强的Python库。 图像增强用于深度学习和计算机视觉任务，以提高训练后的模型的质量。 图像增强的目的是根据现有数据创建新的训练样本。 这是一个示例，该示例说明如何应用“专辑”中的一些增强功能以从原始图像中创建新图像： 为什么要进行白化 专辑例如分类，语义分割，实例分割，对象检测和姿势估计。 该库提供 ，可用于所有数据类型：图像（RBG图像，灰度图像，多光谱图像），分段蒙版，边界框和关键点。 该库包含，可从现有数据中生成新的训练样本。 脱附。 我们对每个新版本进行基准测试，以确保增强功能可以提供最快的速度。 它（如PyTorch和TensorFlow）一起使用。 顺便说一下，白蛋白化是的一部分。 。 作者具有在生产计算机视觉系统上工作和参与竞争性机器学习的经验。 许多核心团队成员是Kaggle大师和大师。 该库工业，深度学习研究，机器学习竞赛和开源项目。 目录 s | | | | | 安装 相册化需要Python 3.6或更高版本。 要从PyPI安装最新版本： pip install -U albume
【文件预览】：
albumentations-master
----MANIFEST.in(176B)
----.gitattributes(61B)
----.github()
--------ISSUE_TEMPLATE()
--------workflows()
----albumentations()
--------core()
--------augmentations()
--------__init__.py(232B)
--------pytorch()
--------imgaug()
----benchmark()
--------Dockerfile(292B)
--------requirements.txt(145B)
--------benchmark.py(21KB)
--------README.md(1008B)
----LICENSE(1KB)
----tools()
--------make_transforms_docs.py(6KB)
----setup.cfg(258B)
----setup.py(3KB)
----README.md(30KB)
----.deepsource.toml(187B)
----.pre-commit-config.yaml(544B)
----docs()
--------_templates()
--------hall_of_fame.rst(10KB)
--------make.bat(782B)
--------probabilities.rst(3KB)
--------contributing.rst(758B)
--------conf.py(5KB)
--------requirements.txt(157B)
--------citations.rst(11KB)
--------index.rst(1KB)
--------examples.rst(2KB)
--------Makefile(696B)
--------api()
--------logo.png(4KB)
--------writing_tests.rst(17KB)
--------augs_overview()
----tests()
--------test_serialization.py(29KB)
--------test_core.py(11KB)
--------test_imgaug.py(2KB)
--------utils.py(2KB)
--------test_augmentations.py(21KB)
--------test_find_dual_start_end.py(2KB)
--------test_transforms.py(29KB)
--------test_keypoint.py(12KB)
--------__init__.py(0B)
--------test_bbox.py(10KB)
--------conftest.py(2KB)
--------test_functional.py(37KB)
--------files()
--------test_pytorch.py(5KB)
----.readthedocs.yml(190B)
----.gitignore(2KB)
----conda.recipe()
--------conda_build_config.yaml(32B)
--------build_upload.sh(833B)
--------meta.yaml(765B)
----black.toml(524B)