Ultralytics YOLO es una biblioteca de Python para visión artificial que abarca detección, segmentación, clasificación, estimación de pose, seguimiento y más.
62,7 mil11,9 milPythonAGPL-3.0Actualizado hace 13 horas
albumentations-team/AlbumentationsX
Biblioteca de Python para aumentar imágenes en visión artificial, con transformaciones de píxeles, espaciales, médicas y 3D, y manejo coherente de máscaras, cajas y puntos clave.
- Estrellas
- 572
- Forks
- 43
- Issues abiertos
- 33
- Último commit
- anteayer
¿Qué es?
AlbumentationsX es una biblioteca de Python para el aumento de imágenes: la práctica de generar nuevas muestras de entrenamiento a partir de imágenes existentes para mejorar modelos de deep learning. Ofrece una API unificada de pipeline que aplica la misma transformación aleatoria a una imagen y a sus máscaras, cajas delimitadoras y puntos clave, para mantener las anotaciones alineadas.
La biblioteca incluye más de 70 transformaciones a nivel de píxel, como desenfoque, ruido, ajustes de color y efectos meteorológicos, además de transformaciones espaciales como recortes, volteos, deformaciones elásticas y mosaicos. También incluye transformaciones para imágenes médicas (por ejemplo, campo de sesgo y efecto de Gibbs) y transformaciones 3D para datos volumétricos. Los ejemplos de uso muestran cómo integrarla en pipelines de PyTorch y TensorFlow.
El proyecto se distribuye en PyPI y requiere Python 3.11 o superior. Está bajo la licencia AGPL-3.0-only; los mantenedores ofrecen una licencia comercial.
Funciones clave
- 01La API unificada aplica transformaciones conjuntamente a imágenes, máscaras, cajas delimitadoras y puntos clave.
- 02Más de 70 aumentos a nivel de píxel, incluidos desenfoque, ruido y ajustes de color.
- 03Transformaciones espaciales como recortes, volteos, transformaciones afines, deformaciones elásticas y mosaicos.
- 04Transformaciones para imágenes médicas y transformaciones 3D para datos volumétricos.
- 05Compatible con pipelines de entrenamiento de PyTorch y TensorFlow.
Casos de uso
- Ampliar un conjunto de datos pequeño y etiquetado para entrenar modelos de detección de objetos o segmentación.
- Aumentar imágenes médicas o datos volumétricos y mantener las máscaras alineadas.
- Crear pipelines reproducibles de preprocesamiento para modelos de clasificación de imágenes.
Inicio rápido
- 1
Instala la versión de PyTorch adecuada para tu plataforma (se muestra como ejemplo la versión solo para CPU en Linux).
pip install "torch>=2.13.0" --index-url https://download.pytorch.org/whl/cpu - 2
Instala AlbumentationsX con OpenCV (variante headless).
pip install "albumentationsx[headless]" - 3
Importa la biblioteca y define una canalización de transformaciones.
Antes de usarlo
- Licencia AGPL-3.0-only, una licencia copyleft que exige compartir el código fuente para el uso en red y las obras derivadas.
- Requiere Python 3.11 o posterior.
- Para importar la biblioteca, debes instalar PyTorch por separado y elegir la versión adecuada para tu configuración de CPU, CUDA o MPS.
Temas
Preguntas frecuentes
- ¿Qué es AlbumentationsX?
- Biblioteca de Python para aumentar imágenes en visión artificial, con transformaciones de píxeles, espaciales, médicas y 3D, y manejo coherente de máscaras, cajas y puntos clave. AlbumentationsX es una biblioteca de Python para el aumento de imágenes: la práctica de generar nuevas muestras de entrenamiento a partir de imágenes existentes para mejorar modelos de deep learning. Ofrece una API unificada de pipeline que aplica la misma transformación aleatoria a una imagen y a sus máscaras, cajas delimitadoras y puntos clave, para mantener las anotaciones alineadas.
- ¿AlbumentationsX es gratuito? ¿Qué licencia tiene?
- AlbumentationsX es open source bajo la licencia AGPL-3.0. Revisa los términos de la licencia antes de usarlo en productos comerciales.
- ¿AlbumentationsX sigue mantenido?
- Mantenimiento activo. El último commit de AlbumentationsX fue el 19 oct 2026.
- ¿Para qué puedo usar AlbumentationsX?
- Ampliar un conjunto de datos pequeño y etiquetado para entrenar modelos de detección de objetos o segmentación. Aumentar imágenes médicas o datos volumétricos y mantener las máscaras alineadas. Crear pipelines reproducibles de preprocesamiento para modelos de clasificación de imágenes.
- ¿Cómo se instala AlbumentationsX?
- Instala la versión de PyTorch adecuada para tu plataforma (se muestra como ejemplo la versión solo para CPU en Linux).: pip install "torch>=2.13.0" --index-url https://download.pytorch.org/whl/cpu Instala AlbumentationsX con OpenCV (variante headless).: pip install "albumentationsx[headless]" Importa la biblioteca y define una canalización de transformaciones.
- ¿Dónde consigo AlbumentationsX?
- El código fuente y las instrucciones de instalación están en GitHub: https://github.com/albumentations-team/AlbumentationsX
Resumen generado por IA a partir del README del proyecto. Las estadísticas de GitHub se actualizan a diario.
Proyectos relacionados
Ultralytics YOLOv5 es un kit de herramientas de visión artificial basado en PyTorch para detectar objetos, segmentar instancias y clasificar imágenes, con funciones de entrenamiento y exportación.
58,2 mil17,5 milPythonAGPL-3.0Actualizado hace 3 días
Open Source Computer Vision Library: biblioteca de C++ de procesamiento de imágenes y algoritmos de visión artificial, con bindings para varios lenguajes.
91,3 mil57 milC++Apache-2.0Actualizado hace 21 horas
Toolkit de Python con utilidades reutilizables de visión por computadora para cargar datasets, ejecutar detecciones, rastrear objetos y anotar fotogramas.
IA y Machine Learning#computer-vision#object-detection#object-tracking#image-annotation#dataset-conversion
51,3 mil4,8 milPythonMITActualizado hace 16 horas
Biblioteca de PyTorch con arquitecturas de modelos de imagen, pesos preentrenados y scripts de entrenamiento, validación y exportación para tareas de visión artificial.
IA y Machine Learning#pytorch#computer-vision#image-classification#pretrained-models#vision-transformer
37,2 mil5,2 milPythonApache-2.0Actualizado hace 20 horas
Implementación en PyTorch del Vision Transformer (ViT) y muchas de sus variantes para clasificación de imágenes y otras tareas de visión.
25,6 mil3,5 milPythonMITActualizado hace 8 días