imgaug机器学习图像增强
imgaug 是一个用于机器学习实验中图像增强的库。它支持广泛的增强技术,允许轻松组合这些技术并以随机顺序或在多个 CPU 内核上执行它们;具有简单而强大的随机界面,不仅可以增强图像,还可以增强关键点/地标、边界框、热图和分割图。
特性:
- 许多增强技术
- 例如仿射变换、透视变换、对比度变化、高斯噪声、区域丢失、色调/饱和度变化、裁剪/填充、模糊……
- 为高性能而优化
- 易于仅对某些图像应用增强
- 易于以随机顺序应用增强
- 支持
- 图像(完全支持 uint8,其他 dtypes 可参阅文档)
- 热图 (float32)、分割图 (int)、面具 (bool)
- 可能比相应的图像小/大。例如裁剪不需要额外的代码行。
- 关键点/地标(整数/浮点坐标)
- 边界框(整数/浮点坐标)
- 多边形(整数/浮点坐标)
- 线串(整数/浮点坐标)
- 采样随机值的自动对齐
- 示例:通过从
uniform(-10°, 45°)
中采样的相同值旋转图像和分割图。(0 extra lines of code)
- 示例:通过从
- 概率分布作为参数
- 示例:通过从
uniform(-10°, 45°)
中采样的值旋转图像。 - 示例:通过从
ABS(N(0, 20.0))*(1+B(1.0, 1.0))
“中采样的值旋转图像,其中ABS(.)
是绝对函数、N(.)
高斯分布和B(.)
beta 分布。
- 示例:通过从
- 许多辅助功能
- 示例:绘制热图、分割图、关键点、边界框……
- 示例:缩放分割图、图像/地图的平均/最大池、将图像填充到纵横比(例如对它们进行平方)
- 示例:将关键点转换为距离图,从图像中提取边界框内的像素,将多边形裁剪到图像平面,...
- 支持在多个 CPU 内核上进行扩充
评论