Git Stars Git Stars

#data-augmentation Repositorios

Descubre 46 repositorios activos de código abierto de GitHub etiquetados con #data-augmentation, que acumulan 80,183 estrellas en total (una media de 1,743 estrellas por proyecto). El líder de este tema es open-mmlab/mmcv, con 6,490 estrellas.

46
Total de Repositorios
80,183
Total de estrellas
1,743
Promedio de Estrellas/Repo
Lenguajes de programación: Python Jupyter Notebook C++

46 repositorios en total

1
open-mmlab/mmcv

OpenMMLab Fundación de Visión por Computadora

open-mmlab
⭐ 6,490 Python 👤 open-mmlab Organization 🕐 Actualizado 2026-09-28 📅 Creado 2018-08-22
2
snorkel-team/snorkel

Un sistema para generar rápidamente datos de entrenamiento con supervisión débil

snorkel-team
⭐ 6,028 Python 👤 snorkel-team Organization 🕐 Actualizado 2026-10-13 📅 Creado 2016-02-26
3
NVIDIA/DALI

Una biblioteca acelerada por GPU que contiene bloques de construcción altamente optimizados y un motor de ejecución para el procesamiento de datos, para acelerar aplicaciones de entrenamiento e inferencia de aprendizaje profundo.

NVIDIA
⭐ 5,797 C++ 👤 NVIDIA Organization 🕐 Actualizado 2026-11-20 📅 Creado 2018-06-01
4
facebookresearch/AugLy

Una biblioteca de aumento de datos para audio, imagen, texto y video.

facebookresearch
⭐ 5,097 Python 👤 facebookresearch Organization 🕐 Actualizado 2026-11-17 📅 Creado 2021-06-09
5
openai/improved-diffusion

Lanzamiento para modelos probabilísticos de difusión de eliminación de ruido mejorados

openai
⭐ 3,764 Python 👤 openai Organization 🕐 Actualizado 2024-07-18 📅 Creado 2021-02-08
6
ZhaoJ9014/face.evoLVe

🔥🔥Biblioteca de Reconocimiento Facial de Alto Rendimiento en PaddlePaddle & PyTorch🔥🔥

ZhaoJ9014
⭐ 3,589 Python 👤 ZhaoJ9014 User 🕐 Actualizado 2025-03-20 📅 Creado 2019-01-04
7
QData/TextAttack

TextAttack 🐙 es un framework de Python para ataques adversarios, aumento de datos y entrenamiento de modelos en NLP https://textattack.readthedocs.io/en/master/

QData
⭐ 3,483 Python 👤 QData Organization 🕐 Actualizado 2026-08-15 📅 Creado 2019-10-15
8
webdataset/webdataset

Un sistema de E/S basado en Python de alto rendimiento para problemas de aprendizaje profundo grandes (y pequeños), con un fuerte soporte para PyTorch.

webdataset
⭐ 3,222 Python 👤 webdataset Organization 🕐 Actualizado 2026-02-09 📅 Creado 2019-08-07
9
open-gigaai/giga-brain-0

GigaBrain-0: Un Modelo Visión-Lenguaje-Acción Impulsado por un Modelo del Mundo

open-gigaai
⭐ 2,673 Python 👤 open-gigaai Organization 🕐 Actualizado 2026-09-09 📅 Creado 2025-09-26
10
TorchIO-project/torchio

Procesamiento de imágenes médicas para aplicaciones de IA.

TorchIO-project
⭐ 2,457 Python 👤 TorchIO-project Organization 🕐 Actualizado 2026-11-13 📅 Creado 2019-11-26
11
NVIDIA-NeMo/DataDesigner

🎨 NeMo Data Designer: Genera datos sintéticos de alta calidad desde cero o desde datos semilla.

NVIDIA-NeMo
⭐ 2,419 Python 👤 NVIDIA-NeMo Organization 🕐 Actualizado 2026-11-21 📅 Creado 2025-10-16
12
iver56/audiomentations

Una biblioteca de Python para laaugmentation de datos de audio. Útil para que los modelos de aprendizaje automático de audio funcionen bien en el mundo real, no solo en el laboratorio.

iver56
⭐ 2,329 Python 👤 iver56 User 🕐 Actualizado 2026-04-13 📅 Creado 2019-02-12
13
visual-layer/fastdup

fastdup es una herramienta potente y gratuita diseñada para generar rápidamente información valiosa a partir de conjuntos de datos de imágenes y videos. Ayuda a mejorar la calidad tanto de las imágenes como de las etiquetas, al tiempo que reduce significativamente los costos de operación de datos, todo ello con una escalabilidad inigualable.

visual-layer
⭐ 1,915 Python 👤 visual-layer Organization 🕐 Actualizado 2026-08-23 📅 Creado 2022-05-11
14
425776024/nlpcda

Paquete de aumento de datos en chino con un clic; Aumento de datos NLP, aumento de datos bert, EDA: pip install nlpcda

425776024
⭐ 1,876 Python 👤 425776024 User 🕐 Actualizado 2026-10-30 📅 Creado 2019-12-29
15
AgaMiko/data-augmentation-review

Lista de recursos útiles para el aumento de datos. Aquí encontrarás algunas técnicas no comunes, bibliotecas, enlaces a repositorios de GitHub, artículos y otros.

AgaMiko
⭐ 1,636 👤 AgaMiko User 🕐 Actualizado 2026-11-03 📅 Creado 2019-09-28
16
honeyandme/RAGQnASystem

Este proyecto diseñó e implementó un sistema inteligente de preguntas y respuestas médicas basado en RAG (Generación Aumentada por Recuperación) con grafos de conocimiento y grandes modelos de lenguaje. Basado en el conjunto de datos médico DiseaseKG y utilizando Neo4j, el sistema construye un grafo de conocimiento de dominio que incluye 44.000 entidades y 310.000 relaciones. Al combinar el reconocimiento de entidades nombradas BERT con el reconocimiento de intención mediante un modelo 32B, el sistema mitiga eficazmente las alucinaciones de los grandes modelos en escenarios médicos mediante una búsqueda precisa en el grafo y una generación controlada de respuestas, mejorando significativamente la precisión y fiabilidad de las mismas.

honeyandme
⭐ 1,510 Jupyter Notebook 👤 honeyandme User 🕐 Actualizado 2026-05-29 📅 Creado 2024-05-16
17
LirongWu/awesome-graph-self-supervised-learning

Código para el artículo de TKDE "Aprendizaje auto-supervisado en grafos: ¿Contrastivo, generativo o predictivo?"

LirongWu
⭐ 1,431 👤 LirongWu User 🕐 Actualizado 2024-08-15 📅 Creado 2019-05-24
19
Tebmer/Awesome-Knowledge-Distillation-of-LLMs

Este repositorio recopila artículos para "A Survey on Knowledge Distillation of Large Language Models" (Una Revisión sobre la Destilación del Conocimiento de Modelos de Lenguaje Grandes). Desglosamos la KD en Extracción de Conocimiento y Algoritmos de Destilación, y exploramos la Destilación de Habilidades y Vertical de los LLM.

Tebmer
⭐ 1,282 👤 Tebmer User 🕐 Actualizado 2025-03-09 📅 Creado 2024-02-08
20
google-research/fixmatch

Un método simple para realizar aprendizaje semi-supervisado con datos limitados.

google-research
⭐ 1,199 Python 👤 google-research Organization 🕐 Actualizado 2024-07-30 📅 Creado 2020-01-21
21
MIC-DKFZ/batchgenerators

Un marco para el aumento de datos para la clasificación y segmentación de imágenes 2D y 3D

MIC-DKFZ
⭐ 1,177 Jupyter Notebook 👤 MIC-DKFZ Organization 🕐 Actualizado 2026-11-04 📅 Creado 2017-10-27
22
iver56/torch-audiomentations

Aumento rápido de datos de audio en PyTorch. Inspirado por audiomentations. Útil para el aprendizaje profundo.

iver56
⭐ 1,175 Python 👤 iver56 User 🕐 Actualizado 2025-11-24 📅 Creado 2020-06-22
23
jsyoon0823/TimeGAN

Código base para Redes Generativas Antagónicas de Series Temporales (TimeGAN) – NeurIPS 2019

jsyoon0823
⭐ 1,068 Jupyter Notebook 👤 jsyoon0823 User 🕐 Actualizado 2026-02-05 📅 Creado 2020-04-24
24
keras-team/keras-cv

Flujos de trabajo de visión por computadora de resistencia industrial con Keras

keras-team
⭐ 1,058 Python 👤 keras-team Organization 🕐 Actualizado 2026-03-05 📅 Creado 2020-05-18
25
quqxui/Awesome-LLM4IE-Papers

Impresionantes artículos sobre extracción de información generativa (IE) utilizando grandes modelos de lenguaje (LLM)

quqxui
⭐ 1,037 👤 quqxui User 🕐 Actualizado 2024-11-18 📅 Creado 2023-12-28
26
YifanZhang07/Awesome-LongTailed-Learning

Una base de código y una lista curada de aprendizaje profundo de cola larga (TPAMI 2023).

YifanZhang07
⭐ 1,030 Python 👤 YifanZhang07 User 🕐 Actualizado 2025-11-25 📅 Creado 2021-09-28
28
google-research/augmix

AugMix: Un método simple de procesamiento de datos para mejorar la robustez y la incertidumbre

google-research
⭐ 993 Python 👤 google-research Organization 🕐 Actualizado 2026-07-17 📅 Creado 2019-12-05
29
windmaple/awesome-AutoML

Curando una lista de investigaciones relacionadas con AutoML, herramientas, proyectos y otros recursos

windmaple
⭐ 946 👤 windmaple User 🕐 Actualizado 2026-03-24 📅 Creado 2018-11-05
30
tesseract-ocr/langdata

Datos de entrenamiento fuente para Tesseract para muchos idiomas

tesseract-ocr
⭐ 869 👤 tesseract-ocr Organization 🕐 Actualizado 2025-04-01 📅 Creado 2015-04-12
31
goru001/inltk

El Natural Language Toolkit for Indic Languages busca proporcionar soporte listo para usar para diversas tareas de NLP que un desarrollador de aplicaciones podría necesitar.

goru001
⭐ 835 Python 👤 goru001 User 🕐 Actualizado 2024-01-20 📅 Creado 2019-03-23
32
GEM-benchmark/NL-Augmenter

NL-Augmenter 🦎 → 🐍 Un repositorio colaborativo de transformaciones del lenguaje natural

GEM-benchmark
⭐ 787 Python 👤 GEM-benchmark Organization 🕐 Actualizado 2024-05-19 📅 Creado 2021-05-19
33
DAVIAN-Robotics/EgoX

Código para EgoX: Generación de Video Egocéntrico a partir de un Único Video Exocéntrico

DAVIAN-Robotics
⭐ 769 Python 👤 DAVIAN-Robotics Organization 🕐 Actualizado 2026-07-10 📅 Creado 2025-12-09
34
vanderschaarlab/synthcity

Una biblioteca para generar y evaluar datos tabulares sintéticos para privacidad, equidad y aumento de datos.

vanderschaarlab
⭐ 697 Python 👤 vanderschaarlab Organization 🕐 Actualizado 2026-04-21 📅 Creado 2022-03-18
35
Phhofm/models

Todos mis modelos de mejora (upscaling) de IA autoentrenados y lanzados. Después de recopilar y aplicar más de 600 modelos de mejora diferentes, aprendí a entrenar mis propios modelos, y estos son los resultados.

Phhofm
⭐ 662 Python 👤 Phhofm User 🕐 Actualizado 2025-11-14 📅 Creado 2023-04-25
36
Westlake-AI/openmixup

CAIRI Toolbox y Benchmark para el Aprendizaje de Representaciones Visuales Supervisado, Semi-Supervisado y Auto-Supervisado

Westlake-AI
⭐ 656 Python 👤 Westlake-AI Organization 🕐 Actualizado 2025-10-15 📅 Creado 2021-12-30
37
Coder-Yu/SELFRec

Un marco de código abierto para sistemas de recomendación auto-supervisados.

Coder-Yu
⭐ 642 Python 👤 Coder-Yu User 🕐 Actualizado 2025-06-06 📅 Creado 2021-09-14
38
YuliangXiu/MobilePose

Estimador ligero de poses para una sola persona

YuliangXiu
⭐ 642 Jupyter Notebook 👤 YuliangXiu User 🕐 Actualizado 2024-05-03 📅 Creado 2018-01-11
39
david8862/keras-YOLOv3-model-set

Pipeline de detección de objetos YOLOv4/v3/v2 de extremo a extremo, implementado en tf.keras con diferentes tecnologías

david8862
⭐ 638 Python 👤 david8862 User 🕐 Actualizado 2026-08-01 📅 Creado 2019-08-18
41
syncora-ai/uk-retail-synthetic-data-generation

Demostración de generación de datos sintéticos utilizando un conjunto de datos transaccionales de venta minorista del Reino Unido. Ideal para profesionales de los sectores minorista, de comercio electrónico, financiero y de la cadena de suministro que desean crear datos sintéticos realistas y que preservan la privacidad para pruebas, análisis y aprendizaje automático.

syncora-ai
⭐ 607 👤 syncora-ai User 🕐 Actualizado 2025-08-25 📅 Creado 2025-08-11
42
albumentations-team/AlbumentationsX

Aumento de imágenes para visión por computadora. Licencia exclusivamente AGPL-3.0 o licencia comercial.

albumentations-team
⭐ 596 Python 👤 albumentations-team Organization 🕐 Actualizado 2026-11-20 📅 Creado 2025-06-19
43
sparkfish/augraphy

Pipeline de aumento para la renderización de procesos de impresión en papel sintético, fax, escaneo y copiado

sparkfish
⭐ 559 Python 👤 sparkfish Organization 🕐 Actualizado 2025-07-20 📅 Creado 2021-05-31
46
qiuhuachuan/smile

[EMNLP 2024] MeChat: Un gran modelo de diálogo de salud mental en el dominio chino

qiuhuachuan
⭐ 508 Python 👤 qiuhuachuan User 🕐 Actualizado 2024-11-17 📅 Creado 2023-04-25

Preguntas frecuentes

1

¿Cuál es el repositorio de #data-augmentation más popular en GitHub?

El proyecto de código abierto de #data-augmentation mejor posicionado en GitHub es open-mmlab/mmcv, con 6,490 estrellas. OpenMMLab Fundación de Visión por Computadora

2

¿Qué lenguajes de programación se utilizan más en los repositorios de #data-augmentation?

Entre los proyectos de #data-augmentation mejor posicionados en GitHub, los lenguajes de programación más comunes son Python, Jupyter Notebook, C++.

3

¿Cómo se calcula la clasificación de los repositorios de #data-augmentation?

Seguimos 46 repositorios activos de código abierto etiquetados con #data-augmentation (500+ estrellas), que suman un total de 80,183 estrellas, con una media de 1,743 estrellas por repositorio. Las clasificaciones se actualizan diariamente a partir de la API de GitHub.