Albumentations: быстрые и гибкие преобразования изображений

Аугментация данных — широко используемый метод увеличения как объёма, так и разнообразия размеченных обучающих выборок за счёт применения к входным данным преобразований, сохраняющих соответствующие выходные метки. В компьютерном зрении аугментация изображений стала распространённым методом неявной регуляризации, позволяющим противодействовать переобучению моделей глубокого обучения; её повсеместно используют для повышения производительности. Хотя большинство фреймворков глубокого обучения реализуют базовые преобразования изображений, их перечень обычно ограничивается различными вариантами отражения, поворота, масштабирования и обрезки. Кроме того, скорость обработки изображений в существующих библиотеках аугментации различается. Мы представляем Albumentations — быструю и гибкую библиотеку с открытым исходным кодом для аугментации изображений, предлагающую множество различных операций преобразования изображений и одновременно выступающую удобной в использовании оболочкой для других библиотек аугментации. Мы рассматриваем принципы проектирования, определившие реализацию Albumentations, и представляем обзор её ключевых функций и отличительных возможностей. Наконец, мы приводим примеры аугментации изображений для различных задач компьютерного зрения и показываем, что Albumentations работает быстрее других широко используемых инструментов аугментации изображений для большинства операций преобразования изображений.