资源 | 近期 github 机器学习热门项目top5

作者 | Walker

本文为大家总结了近期最热门的机器学习项目top5，有来自于NVIDIA的项目，也有来自Google的强化学习框架Dopamine，还有大家感兴趣的目标检测库等等。

No1：NVIDIA’s vid2vid Technique（英伟达提出的一种从视频到视频转换的技术）

NVIDIA/vid2vid

图像到图像的转换领域早已获得了巨大的突破，然而视频解决领域直到现在也鲜有看到实质性的成果。

NVIDIA在使用深度学习进行图像和视频解决方面一直处于领先的地位，他们开源了一种技术，可以进行视频到视频的转换，并获得了令人兴奋的结果。他们在GitHub上公开了他们的代码，代码是利用PyTorch实现的，我们可以访问网址（ NVIDIA/vid2vid）立即体验vid2vid技术。那么，vid2vid技术到底可以做什么呢？

• 将语义标签转换为逼真的真实世界视频

• 从边缘映射创立多个输出来合成人物

• 从给定的姿势生成人体（不仅仅是结构，而是整个身体！）

No2：Dopamine by Google（谷歌开源的新型强化学习框架Dopamine）

google/dopamine

假如我们在强化学习领域工作或者研究过，就明白复制现有方法是多么困难。Dopemine是一个谷歌开源的TensorFlow框架，希望能够加速该领域的进展并使其更加灵活和可重复。

假如你一直想学习强化学习，但又害怕它有多复杂，那么这个库就是一个千载难逢的学习机会。我们可以从这里访问这个github库（ google/dopamine），该代码仅提供15个Python文件，还随附详细文档和免费数据集！

No3：Automating Object Detection（自动化目标检测）

yaksoy/SemanticSoftSegmentation

目标检测技术在深度学习中蓬勃发展，但对于新手来说这可能是一项艰巨的挑战。要映射多少像素和帧？如何提高一个基本模型的精确性？甚至从哪里开始学起？而现在你不需要为此烦恼太多了——得益于MIT的算法，它能够以惊人的精度自动的进行目标检测。

他们的方法被称为“语义软分割（SSS）”。从此我们不再需要花费10分钟手动的去编辑，通过SSS方法我们可以在几秒钟内完成！上面的图片很好地说明了该算法的工作原理，以及在我们的机器上实现它时的外观。关于该方法更详细的详情，我们可以访问以下的github库： yaksoy/SemanticSoftSegmentation

No4：Human Pose Estimation（人体姿态预计）

Microsoft/human-pose-estimation.pytorch

人体姿态预计今年引起了研究人员的极大兴趣，麻省理工等出版物发表的研究报告，标志着该领域获得了明显的进展。从帮助老年人取得正确的治疗到商业应用（如：制作人体虚拟舞蹈），姿势预计有望成为商业上的下一个最佳案例。

这个存储库是微软官方正式使用PyTorch实现他们的流行论文——人体姿势预计和跟踪的简单基线（https://arxiv.org/abs/1804.06208）。他们提供了足够好的基线模型和基准，有望激发这一研究领域的新思路。

No5：Chorrrds（一个优秀的音乐数据分析和解决R语言软件包）

r-music/chorrrds

这个package适用于所有的R语言客户。通常，我们会从CRAN下载R软件包，很少有人专门去GitHub下载，但这个package是我认为非常有趣的软件包。Chorrrds可帮助我们提取、分析和整理音乐和弦。它甚至预先加载了几个音乐数据集。

实际上，我们可以直接从CRAN安装它，或者使用devtools包从GitHub下载。

对深度学习感兴趣，酷爱Tensorflow的小伙伴，欢迎关注我们的网站！http://www.panchuang.net 我们的公众号：磐创AI。