L’augmentation exponentielle rapide des données a entraîné un mélange soudain de différents types de données, provoquant une pénurie d’informations utiles. Ce papier présente une méthode pour générer de nouvelles données à partir des types existants de données. L’augmentation consiste à enrichir ou à modifier un jeu de données en y ajoutant des données supplémentaires. De nombreuses formes d’augmentation sont appliquées à divers types de jeux de données. L’augmentation est largement utilisée dans plusieurs étapes de prétraitement de pipelines d’apprentissage automatique variés. De nombreuses bibliothèques ou packages dédiés à l’augmentation ont été développés, appelés bibliothèques d’augmentation. Chacune de ces bibliothèques offre des fonctionnalités distinctives remarquables. Ce papier vise à améliorer la bibliothèque afin de rendre la bibliothèque AugStatic bien plus légère et plus efficace. AugStatic est une bibliothèque personnalisée d’augmentation d’images, conçue pour présenter des coûts de calcul plus faibles et des fonctionnalités exceptionnelles par rapport aux autres bibliothèques d’augmentation d’images. Ce cadre peut également être utilisé avec des tableaux NumPy et des tenseurs.