AugmenTory: A Fast and Flexible Polygon Augmentation Library

数据增强是解决有限数据集挑战的关键技术，已成为图像处理训练过程的重要组成部分。几何变换和颜色空间调整等技术已经被广泛测试，以人工扩展训练数据集并生成半真实的数据进行训练。数据增强是解决有限数据集挑战的最重要关键，已成为图像处理训练过程的主要组成部分。几何变换和颜色空间调整等数据增强技术已经被广泛测试，以人工扩展训练数据集并生成半真实的数据进行训练。多边形在实例分割中起着至关重要的作用，并在高级模型中得到了广泛应用，例如YOLOv8。尽管它们越来越受欢迎，但缺乏专门的库阻碍了多边形增强过程。本文介绍了一个新的解决方案，体现在新开发的AugmenTory库中。值得注意的是，与现有方法相比，AugmenTory在时间和空间方面都具有较低的计算要求。此外，该库包括后处理阈值功能。AugmenTory包在GitHub上公开，感兴趣的用户可以访问源代码：https://github.com/Smartory/AugmenTory

如何解决数据集有限的问题？

使用数据增强技术，特别是多边形增强技术，来扩充训练数据集，并生成逼真的数据进行训练。

该论文介绍了一个新开发的AugmenTory库，它在多边形增强方面提供了解决方案，具有比现有方法更低的计算需求，并包括后处理阈值特性。该库在GitHub上公开可用。

最近的相关研究包括：YOLOv8等先进模型中多边形的使用，以及其他数据增强技术，如几何变换和颜色空间调整。