Facebook推出图像增强库：Augly

左：原始图像，右：使用Augly（作者创建的图像）增强后

Facebook最近发布了[1]一个增强库Augly，它结合了多种数据（音频、图像、视频和文本）。

数据扩充是增加标记训练数据的大小和多样性的常用技术，这也有助于建立稳健的模型。

这里我只关注我在图像上测试的几个增强函数，但是这个库也可以用于文本和音频。

Augly更致力于社交媒体平台的变革，包括Facebook。因此，除了通常的裁剪、翻转外，其他增强功能还包括对图像/视频共享平台所做的非常逼真的转换，如叠加图像、表情符号、文本等。

根据Facebook新闻稿，其中一个主要的重要应用是：

检测特定内容的精确副本或近似副本。

例如，同一条错误信息可能以稍有不同的形式重复出现，例如，图像被裁剪了几个像素，或者被过滤器或新文本覆盖而增强。通过向人工智能模型添加大量数据，他们可以学会发现某人何时上传已知侵权内容，如歌曲或视频。

Augly的开发目的是通过转换（“增强”）数据来阻止人们逃避自动检测系统，同时，该库也用于评估deepfake检测模型。

---

使用Augly进行图像增强：

下面是我用来测试Augly中图像的一些增强函数的几个工作示例。要在Colab中尝试这一点，首先，我们需要安装Libmagic和Augly

!pip install augly

!apt-get install libmagic-de