优秀的开源项目C_本周AI领域优秀开源项目分享

01

 PyTorch3D

PyTorch3D是FAIR的可重用组件库，用于使用3D数据进行深度学习。

PyTorch3d通过PyTorch为3D计算机视觉研究提供有效，可重复使用的组件。

主要功能包括：

用于存储和操作三角网格的数据结构。

在三角网格上的有效操作(投影变换，图卷积，采样，损失函数)。

可区分的网格渲染器。

PyTorch3d旨在与深度学习方法平稳集成，以预测和处理3D数据。因此，PyTorch3d中的所有运算符：

使用PyTorch张量实现。

可以处理异构数据的小批量。

可以区分。

可以利用GPU进行加速。

在FAIR中，PyTorch3d已用于为研究项目(例如Mesh R-CNN)提供助力。

项目地址：

https://github.com/facebookresearch/pytorch3d

02

 ActionAI

ActionAI是用于训练机器学习模型以对人类行为进行分类的python库。

环境需求：

tensorflow 2.0

scikit-learn

opencv

pandas

pillow

数据处理：

将图像数据安排为子目录，每个子目录均被命名为其中包含的图像的标签。目录结构应如下所示：

训练：

将csv文件读入数据帧后，自定义scikit-learn转换器会估计主体关键点，为每个样本图像生成低维特征向量。该表示形式被馈送到配置文件中设置的scikit-learn分类器中。

这种方法适用于需要对姿势进行分类(例如YogAI用例)的轻量级应用程序。

项目提供了一个示例推理脚本inference.py，它将从网络摄像头，mp4或rstp流中读取输入，在每个帧上运行推理，并打印推理结果。

项目地址：

https://github.com/smellslikeml/ActionAI

03

 Optuna: 超参数优化框架

Optuna是一个自动超参数优化软件框架，专门为机器学习而设计。它具有命令式，运行时定义的用户API。

用Optuna编写的代码具有高度的模块化，并且Optuna的用户可以动态构造超参数的搜索空间。

Optuna具有以下功能：

并行分布式优化。

修剪毫无希望的试验。

轻巧，通用且与平台无关的架构。

整合模块：

XGBoost

LightGBM

Keras

TensorFlow

MXNet

PyTorch Ignite

PyTorch Lightning

Anaconda安装：

conda install -c conda-forge optuna

项目地址：

https://github.com/optuna/optuna

04   Advbox Family

Advbox是一个工具箱，用于生成对抗示例，这些示例会欺骗PaddlePaddle，PyTorch，Caffe2，MxNet，Keras，TensorFlow和Advbox的神经网络，它们可以基准化机器学习模型的鲁棒性。 

Advbox提供了一个命令行工具来生成带有零编码的对抗示例。

Advbox Family是百度开源的一系列AI模型安全工具集，包括对抗示例的生成，检测和保护，以及针对不同AI应用的攻击和防御案例。

Stealth T-shirt 在defcon上，我们展示了可以在智能相机下消失的T恤。在这个子项目下，我们开源智能相机的程序和部署方法进行演示。

Fake Face Detect Restful API用于检测图片/视频中的脸部是否为假脸。

项目地址：

https://github.com/advboxes/AdvBo

(今日福利来啦)

1元秒杀 七月在线【NIP与聊天机器人 特训课】，项目驱动 100%实战 ，仅限前493人，扫码即刻报名哦！

NLP就业小班  预习课之一

课程详情如下：

参与方式：

扫描上方海报二维码

回复“6”