Facebook AI 开源 AugLy：一个用于数据增强的新 Python 库，用于开发强大的机器学习模型

Facebook 最近开源了 AugLy，这是一个新的 Python 库，旨在帮助 AI 研究人员使用数据增强来评估和提高其机器学习模型的耐用性。AugLy 提供复杂的数据增强工具来创建样本来训练和测试不同的系统。

AugLy 是一个新的开源数据增强库，它结合了音频、图像、视频和文本，在多个人工智能研究领域变得越来越重要。它根据人们在 Facebook 和 Instagram 等平台上的现实生活图像和视频提供了 100 多种数据增强。

随着数据集和模型逐渐变得越来越多模式，在一个统一的库和 API 下转换项目的所有数据会很有帮助。此外，使用现实世界的增强组合不同的模态可以帮助机器
更好地理解复杂的内容。

AugLy 中提供的数据增强集也直接由 Facebook 平台上观察到的数据转换类型衍生而来。因此，AugLy 将特别有益于从事与社交媒体应用程序相关的模型或数据的人们。

AugLy 有四个子库，每个子库都与不同的模式相关联。但是，每个库都遵循类似的界面。因此，AugLy 可以生成有价值的元数据，帮助用户了解他们的数据是如何转换的。Facebook 聚合了来自不同现有库的多个增强功能，其中包括 Facebook 巧妙创建的一些功能。

数据增强对于增强 AI 模型的鲁棒性至关重要。例如，假设可以教导模型对不重要的数据属性的扰动具有鲁棒性。在这种情况下，模型将逐渐学会关注特定案例的数据的关键属性。

根据 Facebook 的说法，一个重要的应用程序会检测特定内容的精确副本或重复项。例如，大量错误信息可以以略有不同的形式重复出现；在使用 AugLy 数据增强 AI 模型后，他们可以学习识别用户何时上传已知侵权的内容，这反过来将有助于主动阻止用户上传已知侵权的内容。
.
除了使用 AugLy 训练模型外，该库还可用于确定与一组增强相关的模型的耐用性。AugLy 还用于评估 Deepfake 检测挑战中 Deepfake 检测模型的鲁棒性。

AugLy 中的许多增强都是基于人们转换内容以试图逃避自动系统的方式。因此，AugLy 可以帮助研究人员从事各种工作，从对象检测模型到识别仇恨言论再到语音识别。

资料来源：https://www.yunduoketang.com/article/jiaoyuzhibo.html
https://www.yunduoketang.com/article/ruhekaiwangxiao.html
https://www.yunduoketang.com/article/jiaoxuexitongdajian9.html
https://www.yunduoketang.com/article/xianshangjiaoxue1.html
https://www.yunduoketang.com/article/wangxiaozhiboxitong1.html