#16 · 主分类： 合成数据生成
augraphy
augmentation-pipeline
computer-vision
crappification
data-augmentation
data-pipeline
deep-neural-networks
image-processing
machine-learning
synthetic-data
synthetic-dataset-generation
training-data
用于渲染合成纸张打印、传真、扫描和复印机流程的增强管道
项目最后更新：07/20/25
GitHub Stars
573
Forks数量
63
贡献者数量
20
许可证
MIT
收录理由
干净与带噪的成对文档图像在现实中很难找到，而Augraphy正是围绕这一缺口设计的。它接收一张干净的文档图，通过可配置的流水线模拟真实办公设备对纸张的损耗，包括脏污的激光或喷墨打印、低分辨率传真、透印、折痕、阴影以及扫描噪声。由于每次退化都从已知的原始图像出发，所以每个带噪输出都自带一份完美的真值副本，这让它很适合训练文档修复、OCR和去歪斜模型。此外，该工具还会在空间变换中同步传递掩膜、关键点和边界框，因此也能适配目标检测与分割任务，而不只限于图像到图像的场景。对于不想耗费人力去收集和标注成千上万张实体纸张的团队来说，它把带噪样本和干净原图打包在一起，直接提供了可用的合成训练数据。
相关文章
暂无针对该项目的文章。
如需补充新闻资讯、使用教程、应用测评等内容，欢迎 联系我们推荐选题或投稿。