imgaug 正在参加 2021 年度 OSC 中国开源项目评选,请投票支持!
imgaug 在 2021 年度 OSC 中国开源项目评选 中已获得 {{ projectVoteCount }} 票,请投票支持!
2021 年度 OSC 中国开源项目评选 正在火热进行中,快来投票支持你喜欢的开源项目!
2021 年度 OSC 中国开源项目评选 >>> 中场回顾
imgaug 获得 2021 年度 OSC 中国开源项目评选「最佳人气项目」 !

软件简介

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
  • 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。
  • 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
展开阅读全文

代码

的 Gitee 指数为
超过 的项目

评论 (0)

加载中
更多评论
暂无内容
发表了博客
2019/05/07 14:31

pip install imgaug安装失败解决办法

(tensorflow-gpu) E:\学习\深度学习\Mask_RCNN-master>pip install imgaug Collecting imgaug Using cached https://files.pythonhosted.org/packages/17/a9/36de8c0e1ffb2d86f871cac60e5caa910cbbdb5f4741df5ef856c47f4445/imgaug-0.2.9-py2.py3-none-any.whl Requirement already satisfied: numpy>=1.15.0 in d:\program files\anaconda3\envs\tensorflow-gpu\lib\site-packages (from imgaug) (1.16.3) Collecting P...

0
0
发表了博客
2019/08/05 14:34

『计算机视觉』imgaug图像增强库中部分API简介

https://github.com/aleju/imgaug 介绍一下官方demo中用到的几个变换,工程README.md已经给出了API简介,个人觉得不好理解,特此单独记录一下: import numpy as np import imgaug as ia import imgaug.augmenters as iaa # random example images images = np.random.randint(0, 255, (16, 128, 128, 3), dtype=np.uint8) # Sometimes(0.5, ...) applies the given augmenter in 50% of all cases, # e.g. Sometim...

0
0
2019/12/12 19:00

imgaug: 一个很有用的图像数据增强库

向AI转型的程序员都关注了这个号👇👇👇 机器学习AI算法工程 公众号:datayx 在深度学习项目中,寻找数据花费了相当多的时间。但在很多实际的项目中,我们难以找到充足的数据来完成任务。为了要保证完美地完成项目,有两件事情需要做好: 1、寻找更多的数据; 2、数据增强。 本篇主要描述数据增强。 imgaug是一个封装好的用来进行图像augmentation的python库,这个库功能全面,且有丰富的文档支持,能满足我们大多数的数据增...

0
0
发表了博客
2018/06/15 11:24

【Tool】Augmentor和imgaug——python图像数据增强库

Augmentor和imgaug——python图像数据增强库 Tags: ComputerVision Python 介绍两个图像增强库:Augmentor和imgaug,Augmentor使用比较简单,只有一些简单的操作。 imgaug实现的功能更多,可以对keypoint, bounding box同步处理,比如你现在由一些标记好的数据,只有同时对原始图片和标记信息同步处理,才能有更多的标记数据进行训练。我在segmentation和detection任务经常使用imgaug这个库。 Augmentor http://augmentor.readthe...

0
0
发表了博客
2019/12/12 17:35

基于yolo3自定义训练数据(三)使用imgaug扩大数据集

一、imguag简介 备选参考的图片扩大框架:kears Imagedatagenerator 参考文档 https://imgaug.readthedocs.io/en/latest/ https://github.com/aleju/imgaug python3.7 numpy1.17.0 参数选择: 如果可能,应使用最近邻插值或线性插值,因为它们比其他选项要快得多。使用插值的大多数增强器提供order参数(0 =最近邻,1 =线性)或interpolation参数(“最近邻”,“线性”)。 keep_size=True在所有更改图像尺寸的增强器中,默认设...

0
0
发表了博客
2020/01/28 12:57

更新pip为20后不显示下载链接无法离线下载回退pip版本

更新pip为20后不显示下载链接无法离线下载回退pip版本 先看log WARNING: You are using pip version 19.3.1; however, version 20.0.2 is available. You should consider upgrading via the 'python -m pip install --upgrade pip' command. C:\Users\think>python -m pip install --upgrade pip Collecting pip Downloading https://files.pythonhosted.org/packages/54/0c/d01aa759fdc501a58f431eb594a17495f15b88da142ce14...

0
0
2020/02/06 19:54

Python中的图像增强技术

翻译 | 王文刚 我们为什么需要图像增强? 深度学习卷积神经网络(CNN)需要大量图像才能有效训练模型。通过更好的增强有助于提高模型的性能,从而减少过度拟合。可用于分类和对象检测数据集的最流行的数据集具有数千到数百万个图像。 归纳是指在模型训练期间根据以前从未见过的数据进行评估模型的性能测试或验证。由于 CNN 具有不变性,即使在不同大小,方向或不同照明下可见时,它也可以对对象进行分类。因此,我们可以获取图像...

0
0
发表了博客
2020/09/18 00:00

MaskRCNN配置(目标检测算法+语义分割算法)

创建虚拟环境 conda create -n MaskRCNN python=3.6 pip 激活命令:conda activate MaskRCNN 退出命令:conda deactivate 安装环境(也可根据requiremens.txt文件一键安装) # 有显卡使用gpu版,没显卡就不要-gpu# 这个版本配套的是CUDA10.1和cudnn7.6.5pip install tensorflow-gpu==1.14.0# 避免多余错误使用keras2.2.5pip install keras-gpu==2.2.5 装好tensorflow和keras后numpy、scipy之类的包已经顺带装好了,接下来就是查...

0
0
没有更多内容
加载失败,请刷新页面
点击加载更多
加载中
下一页
暂无内容
0 评论
1 收藏
分享
OSCHINA
登录后可查看更多优质内容
返回顶部
顶部