資源 | 近期 github 機器學習熱門專案top5
作者 | Walker
本文為大家總結了近期最熱門的機器學習專案top5，有來自於NVIDIA的專案，也有來自Google的強化學習框架Dopamine，還有大家感興趣的目標檢測庫等等。
No1：NVIDIA’s vid2vid Technique（英偉達提出的一種從視訊到視訊轉換的技術）
ofollow,noindex">https://github.com/NVIDIA/vid2vid
影象到影象的轉換領域早已取得了巨大的突破，然而視訊處理領域直到現在也鮮有看到實質性的成果。
NVIDIA在使用深度學習進行影象和視訊處理方面一直處於領先的地位，他們開源了一種技術，可以進行視訊到視訊的轉換，並取得了令人興奮的結果。他們在GitHub上公開了他們的程式碼，程式碼是利用PyTorch實現的，我們可以訪問網址（ https://github.com/NVIDIA/vid2vid ）立即體驗vid2vid技術。那麼，vid2vid技術究竟可以做什麼呢？
-
將語義標籤轉換為逼真的真實世界視訊
-
從邊緣對映建立多個輸出來合成人物
-
從給定的姿勢生成人體（不僅僅是結構，而是整個身體！）
No2：Dopamine by Google（谷歌開源的新型強化學習框架Dopamine）
https://github.com/google/dopamine
如果我們在強化學習領域工作或研究過，就明白複製現有方法是多麼困難。Dopemine是一個谷歌開源的TensorFlow框架，希望能夠加速該領域的進展並使其更加靈活和可重複。
如果你一直想學習強化學習，但又害怕它有多複雜，那麼這個庫就是一個千載難逢的學習機會。我們可以從這裡訪問這個github庫（ https://github.com/google/dopamine ），該程式碼僅提供15個Python檔案，還隨附詳細文件和免費資料集！
No3：Automating Object Detection（自動化目標檢測）
https://github.com/yaksoy/SemanticSoftSegmentation
目標檢測技術在深度學習中蓬勃發展，但對於新手來說這可能是一項艱鉅的挑戰。要對映多少畫素和幀？如何提高一個基本模型的準確性？甚至從哪裡開始學起？而現在你不需要為此煩惱太多了——得益於MIT的演算法，它能夠以驚人的精度自動的進行目標檢測。
他們的方法被稱為“語義軟分割（SSS）”。從此我們不再需要花費10分鐘手動的去編輯，通過SSS方法我們可以在幾秒鐘內完成！上面的圖片很好地說明了該演算法的工作原理，以及在我們的機器上實現它時的外觀。關於該方法更詳細的介紹，我們可以訪問以下的github庫： https://github.com/yaksoy/SemanticSoftSegmentation
No4：Human Pose Estimation（人體姿態估計）
https://github.com/Microsoft/human-pose-estimation.pytorch
人體姿態估計今年引起了研究人員的極大興趣，麻省理工等出版物發表的研究報告，標誌著該領域取得了顯著的進展。從幫助老年人獲得正確的治療到商業應用（如：製作人體虛擬舞蹈），姿勢估計有望成為商業上的下一個最佳案例。
這個儲存庫是微軟官方正式使用PyTorch實現他們的流行論文——人體姿勢估計和跟蹤的簡單基線（ https://arxiv.org/abs/1804.06208 ）。他們提供了足夠好的基線模型和基準，有望激發這一研究領域的新思路。
No5：Chorrrds（一個優秀的音樂資料分析和處理R語言軟體包）
https://github.com/r-music/chorrrds
這個package適用於所有的R語言使用者。通常，我們會從CRAN下載R軟體包，很少有人專門去GitHub下載，但這個package是我認為非常有趣的軟體包。Chorrrds可幫助我們提取、分析和整理音樂和絃。它甚至預先載入了幾個音樂資料集。
實際上，我們可以直接從CRAN安裝它，或使用devtools包從GitHub下載。
對深度學習感興趣，熱愛Tensorflow的小夥伴，歡迎關注我們的網站！ http://www.panchuang.net 我們的公眾號：磐創AI。