精选 | 6款超赞的最新AI开源项目!

本文为你分享6款实用的AI开源项目,功能强大,值得收藏!


640?wxfrom=5&wx_lazy=1

Semantic Segmentation PyTorch

#PyTorch上最好的语义分割工具包

640?wxfrom=5&wx_lazy=1

本项目是由 MIT CSAIL 实验室开源的 PyTorch 语义分割工具包,其中包含多种网络的实现和预训练模型。自带多卡同步 bn,能复现在 MIT ADE20K 上 SOTA 的结果。


ADE20K 是由 MIT 计算机视觉团队开源的规模最大的语义分割和场景解析数据集。

640?wxfrom=5&wx_lazy=1

640?wxfrom=5&wx_lazy=1

从右至左:测试图-Ground Truth-预测结果


640?wxfrom=5&wx_lazy=1

测试结果


项目链接:https://github.com/CSAILVision/semantic-segmentation-pytorch


640?

640?

#支持快速成型的深度学习NLP工具包


640?

PyTorch NLP 是一个自然语言处理开源 Python 库,包含各类预训练 Embeddings、采样器、数据集加载器、神经网络模型和文本编码器。本项目旨在帮助开发者加速自然语言处理研究进程。


项目链接:https://github.com/PetrochukM/PyTorch-NLP


640?

Non-local Neural Networks for Video Classification

#Facebook视频分类开源代码

640?

本项目是 Facebook 论文 Non-local Neural Networks 的视频分类开源代码和模型,这个代码在视频分类效果和效率上都做到了很大的提升,ResNet-50 Non-local Net 基本能横扫只用 RGB 的视频分类模型。


代码里面提供的模型可以作为许多其他任务的底层 representation,作者希望通过这个代码能把大规模视频相关的研究带进寻常百姓家。

640?


640?

测试结果


项目链接:https://github.com/facebookresearch/video-nonlocal-net


640?

Keras Project Template

#Keras项目模板

640?

本项目是一个基于 Keras 库的项目模板,模板能让你更容易地构建和训练深度学习模型,并支持 Checkpoints 和 TensorBoard。

640?


640?

模型结构


项目链接:https://github.com/Ahmkel/Keras-Project-Template


640?

Agriculture_KnowledgeGraph

#面向智慧农业的知识图谱及其应用系统

640?

本项目是上海市《农业信息服务平台及农业大数据综合利用研究》子课题《上海农业农村大数据共享服务平台建设和应用》的研究成果。


华东师范大学数据科学与工程学院作为课题主要参与单位以实现智慧农业为目标,探索农业大数据分析、挖掘和综合应用。华师大课题组在前期国家重点研发计划《大数据知识工程基础理论及其应用研究》研究基础上,在本项目中,基于碎片化农业大数据,构建面向智慧农业的知识图谱及其应用系统。


可复用资源:

  • hudong_pedia.csv: 已经爬好的农业实体的百科页面的结构化 csv 文件 

  • labels.txt: 5000 多个手工标注的实体类别 

  • predict_labels.txt: KNN 算法预测的 13W 多个实体的类别 

  • /wikidataSpider/wikidataProcessing/wikidata_relation.csv: predict_labels.txt 中实体在 wikidata 中对应的三元组关系 

  • attributes.csv: 部分实体的属性(互动百科页面中直接得到)

640?


640?


640?


640?


640?


Demo链接:http://p2052x6533.iok.la:44910/

项目链接:https://github.com/qq547276542/Agriculture_KnowledgeGraph


640?

《迁移学习简明手册》

#关于迁移学习你想要知道的一切

640?

本手册简明地介绍迁移学习的概念与基本方法,并对其中的领域自适应问题中的若干代表性方法进行讲述。最后简要探讨迁移学习未来可能的方向。


本手册编写的目的是帮助迁移学习领域的初学者快速入门并掌握基本方法,为自己的研究和应用工作打下良好基础。


本手册的编写逻辑很简单:是什么——介绍迁移学习;为什么——为什么要用迁移学习、为什么能用;怎么办——如何进行迁移(迁移学习方法)。


为了最大限度地方便初学者,作者还特别编写了一章上手实践,直接分享实现代码和心得体会。

640?

主要文件与其内容介绍


手册下载:http://jd92.wang/assets/files/transfer_learning_tutorial_wjd.pdf

项目链接:https://github.com/jindongwang/transferlearning-tutorial


推荐阅读

获赞2万,一文读懂深度学习

用Python实现图片的清晰扫描

如何准备机器学习工程师的面试?

【长篇干货】深度学习在文本分类中的应用

使用 Python 实现数据可视化(完整代码)

学会这10种机器学习算法,你才算入门(附教程)

640?wx_fmt=png

阅读更多
想对作者说点什么? 我来说一句

没有更多推荐了,返回首页

关闭
关闭
关闭