Awesome GitHub RepositoriesData Wrangling

Albumentations is an image augmentation library and computer vision preprocessing tool designed to expand datasets for deep learning models. It provides a collection of transformations that modify pixel values and spatial geometry to increase the diversity of training samples and improve model generalization. The library supports both 2D image augmentation and 3D volumetric data augmentation. It handles a variety of labels alongside images, ensuring that bounding boxes, keypoints, and segmentation masks remain accurately aligned when spatial transformations are applied. The tool incorporates

imgaug is a Python library for machine learning data augmentation and computer vision dataset expansion. It provides tools to increase the volume and variety of training sets by applying random geometric, color, and noise transformations to images. The library ensures spatial consistency by synchronizing transformations across images and their associated annotations, such as bounding boxes, keypoints, and segmentation maps. It uses a compositional pipeline pattern to chain multiple augmentations into sequences and employs deterministic seed management to reproduce specific data samples. The

Augmentor ist eine Python-Bibliothek und ein Framework für Bild-Augmentierung zur Erweiterung von Machine-Learning-Datensätzen. Es fungiert als Preprocessing-Tool, das synthetische Bildvariationen zur Erhöhung der Datenvielfalt generiert, und als Trainingsdaten-Streamer, der augmentierte Bilder und Labels direkt in neuronale Netzwerk-Loops einspeist, ohne dass ein Zwischenspeicher auf der Festplatte erforderlich ist. Das Framework erhält die räumliche Ausrichtung zwischen Bildern und den zugehörigen Masken aufrecht, was für das Training semantischer Segmentierung erforderlich ist. Es unterstützt verschiedene geometrische und Pixelebenen-Transformationen, einschließlich elastischer Verzerrungen, perspektivischer Verschiebungen durch Neigen und Verzerren, Rotation, Scherung und zufälligem Löschen von Regionen. Das System umfasst Funktionen für klassenspezifische Verarbeitungsstrategien zur Adressierung von Datenungleichgewichten und nutzt Multi-Threading, um die parallele Generierung augmentierter Datensätze zu beschleunigen. Es bietet zudem Utilities zur Bereinigung und Standardisierung von Rohbilddateien während der Preprocessing-Phase.

AugLy is a multimodal data augmentation library and machine learning dataset augmentor. It provides a system for generating synthetic variations of training data across audio, image, text, and video datasets to increase sample diversity and improve model robustness. The library functions as a multimedia noise simulator, specifically designed to mimic real-world user captures by overlaying social media templates and internet artifacts onto media. It includes a data provenance tracker to record the specific transformations and intensity levels applied to each piece of augmented data. The tool

Official cleanlab repo is at https://github.com/cleanlab/cleanlab