1. 程式人生 > >近期 github 機器學習熱門專案 top5

近期 github 機器學習熱門專案 top5

歡迎大家關注我們的網站和系列教程:http://www.tensorflownews.com/,學習更多的機器學習、深度學習的知識!

作者:Walker

No1:NVIDIA’s vid2vid Technique(英偉達提出的一種從視訊到視訊轉換的技術)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。

 

本篇文章出自http://www.tensorflownews.com,對深度學習感興趣,熱愛Tensorflow的小夥伴,歡迎關注我們的網站!