ParlAI

作為Facebook研究專案的一部分，ParlAI是一個用於在各種公開可用的對話資料集上訓練和評估AI模型的框架。

ParlAI將為研究人員提供訪問許多流行資料集的許可權，同時擁有用於共享和測試對話模型的統一框架。 您可以在這裡閱讀更多關於ParlAI的資訊。

facets

Facets是一種視覺化機器學習資料集的工具。視覺化實現為Polymer Web元件，由Typescript程式碼支援，可以輕鬆嵌入到Jupyter筆記本或網頁中。

視覺化的關鍵方面是跨多個數據集的異常檢測和分佈比較。 有趣的值（例如，大部分缺失資料，或跨多個數據集的特徵的非常不同的分佈）以紅色突出顯示。

ELF with AlphaGoZero

ELF是AlphaGoZero / AlphaZero重新實現的遊戲研究平臺。 ELF為遊戲研究提供端到端解決方案。 它包括微型實時戰略遊戲環境，併發模擬，數千臺機器的分散式培訓，直觀的API，基於Web的視覺化以及由PyTorch提供支援的強化學習框架。

Detectron

Detectron是Facebook AI Research的軟體系統，它實現了最先進的物體檢測演算法，包括Mask R-CNN。 它是用Python編寫的，由Caffe2深度學習框架提供支援。

Fast Style Transfer 快速風格轉移

使用TensorFlow CNN實現，這可能是影象樣式傳輸的最佳示例之一，顧名思義，它的完成速度非常快。 該實現基於Gatys的藝術風格的神經演算法，Johnson對實時樣式轉換和超解析度的感知損失以及Ulyanov的例項規範化的組合。

人臉識別

此工具提供簡單的面部識別API。 它可以找到面部特徵，並可以猜出給定照片中的人物。

使用dlib最先進的面部識別功能構建而成，並通過深度學習構建。 該模型在Wild標記的Labeled Faces中的準確度為99.38％。

這還提供了一個簡單的face_recognition命令列工具，可以讓您從命令列對影象資料夾進行人臉識別！

說到人臉識別，谷歌曾經在2017年釋出了一款AI硬體紙盒套件，也是旗下AI開源專案(AIY Projects)的作品。Vision Kit 是一套簡單的計算機視覺系統，它可以檢測幾千種常見物體，但也可以對人類的臉部表情進行檢測，並顯示出情緒，比如微笑、皺眉、憤怒、開心等等。

皺眉時按鈕會變藍色，微笑則變黃色。若人臉的表情很誇張，裝置會發出聲音。假如相機看到多張人臉，它將評估每張人臉並計算每張人臉的喜悅分值。

深度照片風格轉移 （Deep photo style transfer）

另一個夢幻般的風格轉移項 此回購包含程式碼和研究論文：深度照片風格轉移。 它提供了簡單的API來合併樣式和源影象。 令人印象深刻的影象樣式轉移。

Fast Text

fastText是一個有效學習單詞表示和句子分類的庫。為了更好地瞭解這個專案，請轉到他們的文字分類教程，該教程展示瞭如何在監督學習中使用該庫。 文字分類的目標是將文件（例如電子郵件，帖子，文字訊息，產品評論等）分配給一個或多個類別。

AirSim

AirSim是一款基於虛幻引擎的無人機，汽車等模擬器。 它是開源的，跨平臺的，它支援硬體在環與流行的飛行控制器，如PX4，用於物理和視覺逼真的模擬。 這是一個Unreal外掛，可以簡單地插入到你想要的任何虛幻環境中。

影象恢復 （Image restoration）

機器學習可以做的比我們想象的要多。 使用Deep Image Prior，它是關於用神經網路修復影象 - 但沒有學習。此工具可以恢復帶有劃痕，壞點和/或不需要的文字標記的損壞影象。

Open Pose

Open Pose是第一個在單個影象上聯合檢測人體，手，面部和足部關鍵點（總共135個關鍵點）的實時多人系統。 它可以檢測腳，身體，面部和手。

pirateAT

PirateAI在模擬環境（島嶼）中訓練自主代理（海盜）。 這個倉庫執行一個訓練管道，在遊戲（尋找寶藏）和模型訓練課程（Keras + hyperopt）之間交替。

EmojiIntelligence

與此列表中的許多專案相比，這相當簡單，但它是學習神經網路如何工作的良好起點。 實現是在沒有任何庫的純Swift中，並且很容易遵循。

基於深度範例的著色 （Deep Exemplar-Based Colorization）

基於深度範例的著色是基於樣本的區域性著色的第一種深度學習方法。 給定參考彩色影象，我們的卷積神經網路直接將灰度影象對映到輸出彩色影象。 這是基於深度範例的著色的論文的實現。

感謝您瀏覽此列表。 我希望你找到了一些激勵你並引起你興趣的東西。 相對來說，機器學習剛剛開始，所以未來肯定會有更多新的有趣專案。