solt

轻量流式数据变换，让图像增强更高效

solt 是一个专注于轻量级数据变换的流式处理库，主要面向深度学习和计算机视觉任务，如图像识别、图像分割和关键点检测。它解决了在数据增强过程中因变换操作繁琐、性能开销大而影响训练效率的问题。核心能力包括提供一系列高效的数据变换操作，支持流式处理，能够与主流深度学习框架无缝集成。其设计强调轻量化和灵活性，允许用户自定义变换流程，从而在保证数据多样性的同时降低计算成本。对于需要处理大规模图像数据并进行实时增强的开发者而言，solt 提供了一个简洁且高效的解决方案。

开源 free 数据集
访问官网 ↗ GitHub ↗ 文档 ↗
GitHub 星标 ★ 268
维护状态 较活跃
是否开源 是
定价模式 free

项目数据

分类数据集
开发团队imedslab
所属国家
官网地址https://imedslab.github.io/solt
GitHubhttps://github.com/imedslab/solt
定价模式free
价格说明开源免费，定价信息待确认
访问状态
是否开源是
开源协议MIT
主要语言Jupyter Notebook
技术栈/模型data-augmentation,deep-learning,image-recognition,image-segmentation,landmark-detection
GitHub 星标★ 268
30天Star增速
HF 下载量
上线时间2018-08-02 00:00:00
最近更新2026-07-06 00:00:00
维护状态较活跃
中文支持
访问方式
移动端支持
综合评分
收录时间2026-08-12
浏览次数0

核心亮点

  • 专注于轻量级变换，性能开销小，适合流式处理
  • 覆盖图像识别、分割、关键点检测等多种任务
  • 与深度学习框架集成简单，支持自定义流程

不足之处

  • 早期项目，文档和社区支持尚待完善

适用场景

  • 深度学习模型训练时的数据增强
  • 实时图像处理流水线
  • 多任务视觉模型的数据预处理

替代项目

imgaug、albumentations、torchvision

项目介绍

solt 是一个数据集领域的开源项目，官方简介：Streaming over lightweight data transformations。项目使用 Jupyter Notebook 开发，在 GitHub 上获得 268 星标。

上一篇：awesome-synthetic-datasets

下一篇：没有了！

同类项目推荐

SynLogic 开源

大规模合成可验证推理数据，让模型逻辑更聪明

[NeurIPS 2025] The official repo of SynLogic: Synthesizing Verifiable Reasoning Data···

★ 204 2026-08-09
distilabel 开源

基于论文的合成数据流水线，快速生成高质量 AI 反馈数据。

Distilabel is a framework for synthetic data and AI feedback for engineers who need ···

★ 3363 2026-08-10
SDGym 开源

一键跑分，对比各种合成数据生成算法

Benchmarking synthetic data generation methods.

★ 310 2026-08-10