الصفحة الرئيسية>المتعلقة بالبرمجة>بايثون
تنزيل

الزلال


مستندات | الخلاف | تويتر | ينكدين

Albumentations هي مكتبة بايثون لتكبير الصور. يتم استخدام تكبير الصورة في مهام التعلم العميق ورؤية الكمبيوتر لزيادة جودة النماذج المدربة. الغرض من تكبير الصورة هو إنشاء عينات تدريبية جديدة من البيانات الموجودة.

فيما يلي مثال لكيفية تطبيق بعض التعزيزات على مستوى البكسل من الألبومات لإنشاء صور جديدة من الصورة الأصلية:

لماذا الألبومات

  • دعم كامل لرؤية الكمبيوتر : يعمل مع جميع مهام السيرة الذاتية الرئيسية بما في ذلك التصنيف والتجزئة (الدلالية والمثالية)، واكتشاف الأشياء، وتقدير الوضع.

  • واجهة برمجة تطبيقات بسيطة وموحدة : واجهة واحدة متسقة لجميع أنواع البيانات - صور RGB/تدرج الرمادي/متعددة الأطياف، والأقنعة، والمربعات المحيطة، ونقاط المفاتيح.

  • مكتبة التعزيز الغنية : أكثر من 70 عملية تكبير عالية الجودة لتحسين بيانات التدريب الخاصة بك.

  • سريعة : يتم تصنيفها باستمرار باعتبارها أسرع مكتبة تكبير، مع تحسينات لاستخدام الإنتاج.

  • تكامل التعلم العميق : يعمل مع PyTorch وTensorFlow وأطر العمل الأخرى. جزء من النظام البيئي PyTorch.

  • تم إنشاؤها بواسطة الخبراء : تم إنشاؤها بواسطة مطورين ذوي خبرة عميقة في رؤية الكمبيوتر ومسابقات التعلم الآلي.

مشروع يحركه المجتمع، بدعم من

تزدهر الألبومات بناءً على مساهمات المطورين. نحن نقدر الرعاة الذين يساعدون في الحفاظ على البنية التحتية للمشروع.

؟ الرعاة الذهبيون
شركتك يمكن أن تكون هنا
؟ الرعاة الفضيون

؟ الرعاة البرونزيون

؟ كن راعيا

رعايتك هي وسيلة لقول "شكرًا" للمشرفين والمساهمين الذين يقضون أوقات فراغهم في بناء الألبومات وصيانتها. يتم عرض الجهات الراعية على موقعنا الإلكتروني وREADME. عرض مستويات الرعاية على رعاة GitHub

جدول المحتويات

  • الزلال

    • معلومات النظام

    • المعلمات المرجعية

    • إصدارات المكتبة

    • التجزئة الدلالية في مجموعة بيانات Inria

    • التصوير الطبي

    • اكتشاف الكائنات والتجزئة الدلالية في مجموعة بيانات Mapillary Vistas

    • زيادة النقاط الرئيسية

    • التحويلات على مستوى البكسل

    • التحولات على المستوى المكاني

    • انظر أيضا

    • أنا جديد على تكبير الصور

    • أريد استخدام الألبومات لمهمة محددة مثل التصنيف أو التجزئة

    • أريد أن أعرف كيفية استخدام الألبومات مع أطر التعلم العميق

    • أريد استكشاف التعزيزات ورؤية الألبومات أثناء العمل

    • المشرف الحالي

    • أعضاء الفريق الأساسي الفخري

    • ؟ كن راعيا

    • لماذا الألبومات

    • مشروع يحركه المجتمع، بدعم من

    • جدول المحتويات

    • المؤلفون

    • تثبيت

    • التوثيق

    • مثال بسيط

    • ابدء

    • من يستخدم الألبومات

    • قائمة الزيادات

    • بعض الأمثلة الإضافية على الزيادات

    • نتائج المقارنة

    • مقارنة الأداء

    • المساهمة

    • مجتمع

    • نقلا عن

    المؤلفون

    المشرف الحالي

    فلاديمير آي إيجلوفيكوف | كاجل جراند ماستر

    أعضاء الفريق الأساسي الفخري

    ميخائيل دروزينين | خبير كاجل

    أليكس بارينوف | كاجل ماستر

    الكسندر بوسلايف | كاجل ماستر

    يوجين خفيدشينيا | كاجل جراند ماستر

    تثبيت

    تتطلب الألبومات إصدار Python 3.9 أو أعلى. لتثبيت أحدث إصدار من PyPI:

     تثبيت النقطة -U ألبومات

    يتم وصف خيارات التثبيت الأخرى في الوثائق.

    التوثيق

    الوثائق الكاملة متاحة على https://albumentations.ai/docs/ .

    مثال بسيط

     استيراد الألبومات كـ Aimport cv2# قم بتعريف خط أنابيب التكبير = A.Compose([A.RandomCrop(width=256, height=256),A.HorizontalFlip(p=0.5),A.RandomBrightnessContrast(p=0.2),
])# اقرأ الصورة باستخدام OpenCV وقم بتحويلها إلى RGB colorspaceimage = cv2.imread("image.jpg")image = cv2.cvtColor(image, cv2.COLOR_BGR2RGB)# زيادة الصورة المحولة = تحويل(صورة=صورة)transformed_image = تم تحويله["صورة"]

    ابدء

    أنا جديد على تكبير الصور

    يرجى البدء بالمقالات التمهيدية حول سبب أهمية تكبير الصورة وكيف يساعد ذلك في بناء نماذج أفضل.

    أريد استخدام الألبومات لمهمة محددة مثل التصنيف أو التجزئة

    إذا كنت تريد استخدام الألبومات لمهمة محددة مثل التصنيف أو التجزئة أو اكتشاف الكائنات، فارجع إلى مجموعة المقالات التي تحتوي على وصف متعمق لهذه المهمة. لدينا أيضًا قائمة من الأمثلة حول تطبيق الألبومات لحالات استخدام مختلفة.

    أريد أن أعرف كيفية استخدام الألبومات مع أطر التعلم العميق

    لدينا أمثلة على استخدام Albumentations مع PyTorch وTensorFlow.

    أريد استكشاف التعزيزات ورؤية الألبومات أثناء العمل

    تحقق من العرض التوضيحي للمكتبة عبر الإنترنت. مع ذلك، يمكنك تطبيق التعزيزات على صور مختلفة ورؤية النتيجة. لدينا أيضًا قائمة بجميع التعزيزات المتاحة وأهدافها.

    من يستخدم الألبومات


    انظر أيضا

    • قائمة الأوراق التي تستشهد بالألبومات.

    • مشاريع مفتوحة المصدر تستخدم الألبومات.

    قائمة الزيادات

    التحويلات على مستوى البكسل

    ستعمل التحويلات على مستوى البكسل على تغيير الصورة المدخلة فقط وستترك أي أهداف إضافية مثل الأقنعة والمربعات المحيطة ونقاط المفاتيح دون تغيير. قائمة التحويلات على مستوى البكسل:

    • AdditiveNoise

    • AdvancedBlur

    • التباين التلقائي

    • طمس

    • كلاهي

    • قناة التسرب

    • ChannelShuffle

    • انحراف لوني

    • ColorJitter

    • إلغاء التركيز

    • تصغير الحجم

    • زخرف

    • معادلة

    • ادارة الاغذية والعقاقير

    • فانسيPCA

    • من تعويم

    • الضوضاء غاوس

    • غاوسيبلور

    • GlassBlur

    • HistogramMatching

    • HueSaturationValue

    • الضوضاء

    • إضاءة

    • ضغط الصور

    • عكس الصورة

    • MedianBlur

    • MotionBlur

    • الضوضاء المضاعفة

    • تطبيع

    • تعديل توزيع البكسل

    • بلانكيان جيتر

    • تباين سطوع البلازما

    • ظل البلازما

    • تتالي

    • RGBShift

    • تباين السطوع العشوائي

    • ضباب عشوائي

    • عشوائية جاما

    • RandomGravel

    • RandomRain

    • RandomShadow

    • RandomSnow

    • RandomSunFlare

    • RandomToneCurve

    • RingingOvershoot

    • ملح وفلفل

    • شحذ

    • طلقةالضوضاء

    • التشميس

    • ترشيش

    • بكسلات فائقة

    • تحويل القالب

    • TextImage

    • لتطفو

    • توغراي

    • toRGB

    • إلى سيبيا

    • UnsharpMask

    • ZoomBlur

    التحولات على المستوى المكاني

    ستعمل التحويلات على المستوى المكاني على تغيير كل من الصورة المدخلة بالإضافة إلى الأهداف الإضافية مثل الأقنعة والمربعات المحيطة ونقاط المفاتيح في نفس الوقت. يوضح الجدول التالي الأهداف الإضافية التي يدعمها كل تحويل.

    تحويل صورة قناع صناديق النقاط الرئيسية
    افين ✓ ✓ ✓ ✓
    BBoxSafeRandomCrop ✓ ✓ ✓ ✓
    CenterCrop ✓ ✓ ✓ ✓
    التسرب الخشن ✓ ✓ ✓ ✓
    اقتصاص ✓ ✓ ✓ ✓
    CropAndPad ✓ ✓ ✓ ✓
    CropNonEmptyMaskIfExists ✓ ✓ ✓ ✓
    د4 ✓ ✓ ✓ ✓
    تحويل مرن ✓ ✓ ✓ ✓
    محو ✓ ✓ ✓ ✓
    قناع التردد ✓ ✓ ✓ ✓
    تشويه الشبكة ✓ ✓ ✓ ✓
    GridDropout ✓ ✓ ✓ ✓
    GridElasticDeform ✓ ✓ ✓ ✓
    أفقيا فليب ✓ ✓ ✓ ✓
    لامدا ✓ ✓ ✓ ✓
    أطول حجم أقصى ✓ ✓ ✓ ✓
    MaskDropout ✓ ✓ ✓ ✓
    المورفولوجية ✓ ✓ ✓ ✓
    لاOp ✓ ✓ ✓ ✓
    التشويه البصري ✓ ✓ ✓ ✓
    OverlayElements ✓ ✓

    وسادة ✓ ✓ ✓ ✓
    PadIfNeeded ✓ ✓ ✓ ✓
    وجهة نظر ✓ ✓ ✓ ✓
    PiecewiseAffine ✓ ✓ ✓ ✓
    PixelDropout ✓ ✓ ✓ ✓
    RandomCrop ✓ ✓ ✓ ✓
    RandomCropFromBorders ✓ ✓ ✓ ✓
    RandomCropNearBBox ✓ ✓ ✓ ✓
    RandomGridShuffle ✓ ✓ ✓ ✓
    RandomResizeCrop ✓ ✓ ✓ ✓
    تدوير عشوائي90 ✓ ✓ ✓ ✓
    مقياس عشوائي ✓ ✓ ✓ ✓
    RandomSizedBBoxSafeCrop ✓ ✓ ✓ ✓
    RandomSizedCrop ✓ ✓ ✓ ✓
    تغيير الحجم ✓ ✓ ✓ ✓
    تناوب ✓ ✓ ✓ ✓
    تدوير آمن ✓ ✓ ✓ ✓
    ShiftScaleRotate ✓ ✓ ✓ ✓
    أصغر حجم أقصى ✓ ✓ ✓ ✓
    ThinPlateSpline ✓ ✓ ✓ ✓
    قناع الوقت ✓ ✓ ✓ ✓
    TimeReverse ✓ ✓ ✓ ✓
    تبديل ✓ ✓ ✓ ✓
    فيرتيكال فليب ✓ ✓ ✓ ✓
    XYMasking ✓ ✓ ✓ ✓

    بعض الأمثلة الإضافية على الزيادات

    التجزئة الدلالية في مجموعة بيانات Inria

    التصوير الطبي

    اكتشاف الكائنات والتجزئة الدلالية في مجموعة بيانات Mapillary Vistas

    زيادة النقاط الرئيسية

    نتائج المقارنة

    معلومات النظام

    • النظام الأساسي: macOS-15.0.1-arm64-arm-64bit

    • المعالج: ذراع

    • عدد وحدة المعالجة المركزية: 10

    • إصدار بايثون: 3.12.7

    المعلمات المرجعية

    • عدد الصور: 1000

    • عدد مرات التشغيل لكل تحويل: 10

    • الحد الأقصى لتكرارات الإحماء: 1000

    إصدارات المكتبة

    • الزلال: 1.4.20

    • أغسطس: 1.0.0

    • الصورة: 0.4.0

    • كورنيا: 0.7.3

    • رؤية الشعلة: 0.20.0

    مقارنة الأداء

    الرقم - هو عدد صور uint8 RGB التي تتم معالجتها في الثانية على نواة وحدة المعالجة المركزية (CPU) واحدة. الأعلى هو الأفضل.

    تحويل الزلال
    1.4.20    		 قبيح
    1.0.0    		 com.imgaug
    0.4.0    		 كورنيا
    0.7.3    		 com.torchvision
    0.20.0
    أفقيا فليب 8618 ± 1233 4807 ± 818 6042 ± 788 390 ± 106 914 ± 67
    فيرتيكال فليب 22847 ± 2031 9153 ± 1291 10931 ± 1844 1212 ± 402 3198 ± 200
    تناوب 1146 ± 79 1119 ± 41 1136 ± 218 143 ± 11 181 ± 11
    افين 682 ± 192 - 774 ± 97 147 ± 9 130 ± 12
    معادلة 892 ± 61 - 581 ± 54 152 ± 19 479 ± 12
    RandomCrop80 47341 ± 20523 25272 ± 1822 11503 ± 441 1510 ± 230 32109 ± 1241
    ShiftRGB 2349 ± 76 - 1582 ± 65 - -
    تغيير الحجم 2316 ± 166 611 ± 78 1806 ± 63 232 ± 24 195 ± 4
    عشوائية جاما 8675 ± 274 - 2318 ± 269 108 ± 13 -
    تدرج الرمادي 3056 ± 47 2720 ​​± 932 1681 ± 156 289 ± 75 1838 ± 130
    منظور عشوائي 412 ± 38 - 554 ± 22 86 ± 11 96 ± 5
    غاوسيبلور 1728 ± 89 242 ± 4 1090 ± 65 176 ± 18 79 ± 3
    MedianBlur 868 ± 60 - 813 ± 30 5 ± 0 -
    MotionBlur 4047 ± 67 - 612 ± 18 73 ± 2 -
    تتالي 9094 ± 301 - 2097 ± 68 430 ± 49 3196 ± 185
    ضغط Jpeg 918 ± 23 778 ± 5 459 ± 35 71 ± 3 625 ± 17
    الضوضاء الغوسية 166 ± 12 67 ± 2 206 ± 11 75 ± 1 -
    مرن 201 ± 5 - 235 ± 20 1 ± 0 2 ± 0
    كلاهي 454 ± 22 - 335 ± 43 94 ± 9 -
    التسرب الخشن 13368 ± 744 - 671 ± 38 536 ± 87 -
    طمس 5267 ± 543 246 ± 3 3807 ± 325 - -
    ColorJitter 628 ± 55 255 ± 13 - 55 ± 18 46 ± 2
    سطوع 8956 ± 300 1163 ± 86 - 472 ± 101 429 ± 20
    مقابلة 8879 ± 1426 736 ± 79 - 425 ± 52 335 ± 35
    RandomResizeCrop 2828 ± 186 - - 287 ± 58 511 ± 10
    تطبيع 1196 ± 56 - - 626 ± 40 519 ± 12
    PlankianJitter 2204 ± 385 - - 813 ± 211 -

    المساهمة

    لإنشاء طلب سحب إلى المستودع، اتبع الوثائق الموجودة على CONTRIBUTING.md

    مجتمع

    • ينكدين

    • تغريد

    • الفتنة

    نقلا عن

    إذا وجدت هذه المكتبة مفيدة لبحثك، يرجى التفكير في الاستشهاد بألبومات: تكبيرات الصور السريعة والمرنة:

     @Article{info11020125,AUTHOR = {Buslaev, Alexander and Iglovikov, فلاديمير I. وKhvedchenya, يوجين وبارينوف, Alex and Druzhinin, Mikhail and Kalinin, Alexandr A.},TITLE = {Albumentations: تعزيزات سريعة ومرنة للصور},JOURNAL = {المعلومات}، الحجم = {11}، السنة = {2020}، الرقم = {2}، رقم المقالة = {125}، URL = {https://www.mdpi.com/2078-2489/11/2/125}، ISSN = {2078-2489}، DOI = {10.3390/info11020125}}
    يوسع
    معلومات إضافية
    تطبيقات ذات صلة
    نوصي لك
    أخبار ذات صلة الكل