Mybrige AI 每月都会测评多于250个开源的机器学习项目,并根据各种指标对项目进行排名。
经过综合比较,我们列出了Github上面机器学习开源项目的Top10,并介绍了一些虽然得星数很少却值得研究和学习的项目。
NO 1:Detectron
Github上的17341颗星 /由Facebook Research提供
例掩码R-CNN输出
FAIR的物体检测研究平台,实现MaskR-CNN和RetinaNet等流行算法,用Python编写的,由Caffe2深度学习框架提供支持。
https://github.com/facebookresearch/Detectron
NO 2:Openpose
Github上的9659颗星/由 CMU-Perceptual-Computing-Lab 提供
OpenPose是第一个在单个图像上联合检测人体,手,面部和足部关键点(总共135个关键点)的实时多人系统。用于身体,面部和手部估计的实时多人关键点检测库。
https://github.com/CMU-Perceptual-Computing-Lab/openpose
NO 3:tfjs
在Github上9447颗星/由TensorFlow提供
通过神经网络享受实时钢琴演奏
一个WebGL加速的,基于浏览器的JavaScript库,用于培训和部署ML模型。
https://github.com/tensorflow/tfjs
NO 4:Fastai
Github上的9309颗星/由fast.ai提供
fastai库使用现代最佳实践简化了快速准确的神经网络训练。该库是基于研究在开展深度学习最佳实践fast.ai,并包括“开箱即用”的支持vision
,text
,tabular
,和collab(协同过滤)的模型。
https://github.com/fastai/fastai
NO 5:FaceSwap
Github上的7074颗星/由Hidde Jansen提供
利用深度学习识别和交换图片和视频中的面孔的工具。
https://github.com/deepfakes/faceswap
NO 6:dopamine
Github上的6247颗星/由谷歌提供
dopamine是一种用于强化学习算法快速原型设计的研究框架。它旨在满足一个小型,易于理解的代码库的需求,用户可以自由地尝试疯狂的想法(推测性研究)
https://github.com/google/dopamine/
NO 7:Psychlab
Github上的5414颗星/由Charles Beattie和Deepmind提供
DeepMindLab是一个基于id Software的Quake III Arena的3D学习环境, 通过 ioquake3和 其他开源软件。DeepMind Lab为学习代理提供了一套具有挑战性的3D导航和解谜任务。其主要目的是充当人工智能研究的试验平台,尤其是深层强化学习。
https://github.com/deepmind/lab/
NO 8:DensePose
Github上3683颗星/由FacebookResearch提供
一种实时方法,用于将2D RGB图像的所有人类像素映射到身体的3D表面模型。
图中密集的人体姿势旨在将RGB图像的所有人类像素映射到人体的3D表面。DensePose-RCNN在Detectron框架中实现,由Caffe2提供支持。
https://github.com/facebookresearch/DensePose
NO 9:Progressive Growing of GANs
Github上的3368颗星/由Tero Karras提供
由随机数生成器生成的两个虚构名人
描述了一种新的生成对抗网络培训方法。关键的想法是逐步增加发生器和鉴别器:从低分辨率开始,我们添加新的层,随着训练的进展,模拟越来越精细的细节。
https://github.com/tkarras/progressive_growing_of_gans
NO 10:FaceAI
Github上的2566颗星/由vipstone提供
视频人脸识别
一款入门级的人脸、视频、文字检测以及识别的项目。
https://github.com/vipstone/faceai
以下几个项目除了走在机器学习的前沿外,还很有实用价值,从癌症检测到音乐制作,渗透到生活中的方方面面。
NCRF
Github上的402颗星/由百度研究提供
用神经条件随机场(NCRF)检测癌症转移,NCRF的核心思想是将补丁网格作为输入,例如3x3,使用CNN模块提取补丁嵌入,并使用CRF模块对其空间相关性进行建模。
https://github.com/baidu-research/NCRF
fastTSNE
Github上344颗星/由pavlin-policar提供
使用FFT加速插值,在2分钟内计算出来自小鼠神经系统的160,796个单细胞转录组的可视化。该项目的目标是在一个地方快速实现t-SNE,而不需要任何外部C / C ++依赖。
https://github.com/pavlin-policar/fastTSNE/
Twin-GAN
Github上的399颗星/由Jerry Li提供
具有权重共享GAN的不成对跨域图像转换, 使用自适应归一化参数进行图像转换的想法。
https://github.com/jerryli27/TwinGAN
DeepJ
Github上的291颗星/由calclavia提供
一种端到端的生成模型,能够根据作曲家风格的特定混合来创作音乐。
https://github.com/calclavia/DeepJ
Visual-interaction-networks-pytorch
Github上147星/由Mahmoud Gamal提供
使用pytorch的深度视觉交互网络文章的实现,公布了包括预测物理场景中的未来的 vin。不仅可以推断物体在哪里, 还可以推断在未来几秒钟、几分钟甚至在某些情况下更长的时间里, 它们会发生什么。
https://github.com/Mrgemy95/visual-interaction-networks-pytorch
加群交流
关注计算机视觉技术,欢迎加入52CV群,扫码添加52CV君拉你入群(请务必注明:加群):
喜欢在QQ交流的童鞋,可以加52CV官方QQ群:928997753。
(不会时时在线,如果没能及时通过验证还请见谅)
长按关注我爱计算机视觉
【点赞与转发】就是一种鼓励