基于高度优化的OpenCV库的快速扩充 超级简单但功能强大的界面，适用于不同的任务，如（分割，检测等） 易于定制 易于添加其他框架 相册 该库使用 HWC 格式的图像。 该库在大多数转换上都比其他库快。 基于 numpy、OpenCV，imgaug 从它们中挑选最好的。 简单、灵活的 API，允许在任何计算机视觉管道中使用该库。 大型、多样化的转换集。 易于扩展库以环绕其他库。 易于扩展到其他任务。 支持对图像、蒙版、关键点和边界框的转换。 支持 python 3.5-3.7 与 PyTorch 轻松集成。 从 Torchvision 轻松转移。 曾在 Kaggle、topcoder、CVPR、MICCAI 的许多 DL 比赛中获得最高成绩。 由 Kaggle 大师撰写。 目录 如何使用 Authors 安装 PyPI Conda 文档 像素级转换 空间级转换 从 torchvision 迁移到相册 基准测试结果 贡献 添加新转换 构建文档 评论 引用图书馆赢得的比赛 行业用户 如何使用 多合一展示笔记本- show.ipynb 分类 - example.

segmentation_models_pytorch是一款非常优秀的图像分割库，albumentations 是一款非常优秀的图像增强库，这篇文章将这两款优秀结合起来实现多类别的图像分割算法。数据集选用CamVid数据集，类别有：'sky', 'building', 'pole', 'road', 'pavement','tree', 'signsymbol', 'fence', 'car','pedestrian', 'bicyclist', 'unlabelled'等12个类别。数据量不大，下载地址：[mirrors / alexgkendall / segnet-tutorial · GitCode](https://gitcode.net/mirrors/alexgkendall/segnet-tutorial?utm_source=csdn_github_accelerator)。 通过这篇文章，你可以学习到： 1、如何在图像分割使用albumentations 增强算法？ 2、如何使用dice_loss和cross_entropy_loss？

使用YOLO进行训练前图像样本较少时，可同时增强VOC数据集的图像和XML标签文件，参数和文件名称标号需按照个人所需进行调整

使用albumentations库实现copy paste 的数据增强方式, 在贴图过程中也进行随机数据增强