Github八月深度學(xué)習(xí)項(xiàng)目熱搜Top 10，你Pick哪一個(gè)！
大數(shù)據(jù)文摘出品
編譯：CoolBoy
大家好!文摘菌發(fā)現(xiàn)了一份過(guò)去的一個(gè)月機(jī)器學(xué)習(xí)項(xiàng)目的Top 10，特地為大家搬運(yùn)過(guò)來(lái)，看看你pick哪一個(gè)呢?
這個(gè)榜單是從過(guò)去一個(gè)月的250項(xiàng)開(kāi)源機(jī)器學(xué)習(xí)項(xiàng)目中挑選出來(lái)的。作者比較了這段時(shí)間內(nèi)的新的，重大的成果，并根據(jù)一系列的因子來(lái)衡量它的專業(yè)水準(zhǔn)。
開(kāi)源項(xiàng)目對(duì)程序員非常有用，希望你也可以從中找出啟發(fā)你的那一個(gè)!
第十名
GANimation：基于單圖的結(jié)構(gòu)性臉部動(dòng)畫(Albert Pumarola等人)[Github中獲得344星]
https://github.com/albertpumarola/GANimation?utm_source=mybridge&utm_medium=blog&utm_campaign=read_more
這是一個(gè)基于動(dòng)作單元(AU)的新型GAN體系，它展示了一個(gè)連續(xù)多樣的結(jié)構(gòu)性臉部變化，從而定義面部表情。此方法允許調(diào)整每個(gè)動(dòng)作單元的度量，并且可以結(jié)合其中的幾個(gè)單元。
第九名
Sg2im：基于場(chǎng)景圖的圖像生成(谷歌開(kāi)源) [Github中獲得670星]
https://github.com/google/sg2im?utm_source=mybridge&utm_medium=blog&utm_campaign=read_more
場(chǎng)景圖是一個(gè)視覺(jué)場(chǎng)景的結(jié)構(gòu)表示圖，其中節(jié)點(diǎn)表示物體，連線表示物體間的關(guān)系。此研究介紹了一個(gè)輸入場(chǎng)景圖，輸出圖像的端到端神經(jīng)網(wǎng)絡(luò)模型。
第八名
Stt-benchmark：語(yǔ)音到文字的基準(zhǔn)衡量(Picovoice) [Github中獲得294星]
https://github.com/Picovoice/stt-benchmark?utm_source=mybridge&utm_medium=blog&utm_campaign=read_more
Cheetah是Picovoice為物聯(lián)網(wǎng)應(yīng)用設(shè)計(jì)的語(yǔ)音識(shí)別引擎。與其他模型相比，Cheetah的表現(xiàn)幾乎接近于***的DeepSpeech(0.3 vs 0.32 WER)。但是，它有著快100倍的速度和少398倍的內(nèi)存。這讓Cheetah可以在嵌入小型貨品的平臺(tái)(例如Raspberry Pi)運(yùn)行，并且便利于大型的，需要更多計(jì)算與存儲(chǔ)資源的模型。
第七名
Artificial-adversary：生成對(duì)抗文本的工具，測(cè)試機(jī)器學(xué)習(xí)模型 (Airbnb Engineering)[Github中獲得155星]
https://github.com/airbnb/artificial-adversary?utm_source=mybridge&utm_medium=blog&utm_campaign=read_more
在區(qū)分用戶生成的文本時(shí)，用戶可以有很多方式修改內(nèi)容，以免被監(jiān)測(cè)。這包括將字符換為類似的長(zhǎng)相的字符。例如please wire me 10,000 US DOLLARS to bank of scamland (請(qǐng)給我轉(zhuǎn)10,000美元)可能是一條詐騙信息，但是如果寫成pl3@se.wire me 10000 US DoLars to,BANK of ScamIand，很多鑒別器將失靈。
使用這個(gè)擴(kuò)展庫(kù)，你就可以利用這些方法生成文本，并在你自己的機(jī)器學(xué)習(xí)算法上測(cè)試。
第六名
Soccerontable: 在你的桌面上觀看足球比賽(Konstantinos Rematas)[Github中獲得247星]
https://github.com/krematas/soccerontable?utm_source=mybridge&utm_medium=blog&utm_campaign=read_more
第五名
DanceNet：使用Autoencoder，LSTM和混合密度網(wǎng)絡(luò)的舞蹈生成器 (Keras)[Github中獲得282星]
https://github.com/jsn5/dancenet?utm_source=mybridge&utm_medium=blog&utm_campaign=read_more
第四名
UnsupervisedMT：基于短語(yǔ)與神經(jīng)非監(jiān)督機(jī)器翻譯(Facebook Research)[Github中獲得490星]
https://github.com/facebookresearch/UnsupervisedMT?utm_source=mybridge&utm_medium=blog&utm_campaign=read_more
如今的機(jī)器翻譯系統(tǒng)雖然接近人類的效率，但這和大量的平行語(yǔ)句有關(guān)。這篇文章研究了如何在單一語(yǔ)料庫(kù)的情形下學(xué)習(xí)翻譯。作者們提出了一種神經(jīng)模型和一種基于短語(yǔ)的模型。兩種模型都在初始化參數(shù)、模型降噪、平行數(shù)據(jù)的迭代生成上斟酌。它們的表現(xiàn)大幅超越之前的模型，并且有著更簡(jiǎn)單的結(jié)構(gòu)和更少的超參數(shù)。
第三名
Vid2vid：視頻到視頻的合成(NVIDIA AI)[Github中獲得1797星]
https://github.com/NVIDIA/vid2vid?utm_source=mybridge&utm_medium=blog&utm_campaign=read_more
這篇文章提出一個(gè)新型的，利用對(duì)抗生成結(jié)構(gòu)的視頻到視頻合成方法。Github包含了Pytorch的高分辨率實(shí)現(xiàn)。這個(gè)模型可以將語(yǔ)義標(biāo)記圖轉(zhuǎn)為實(shí)際視頻，從描邊圖生成真人講話動(dòng)作，或者是由姿勢(shì)生成人類動(dòng)作。
第二名
Glow：可逆的1x1卷積生成流(OpenAI)[Github中獲得1664星]
https://github.com/openai/glow?utm_source=mybridge&utm_medium=blog&utm_campaign=read_more
Glow是一個(gè)可逆的生成模型，它被用來(lái)做1x1的可逆卷積。它延續(xù)了之前的研究(https://arxiv.org/abs/1605.08803)，并簡(jiǎn)化了其結(jié)構(gòu)。此模型可以生成高分辨率的圖像，發(fā)現(xiàn)可操縱數(shù)據(jù)的特征。
***名
Autokeras：自動(dòng)化機(jī)器學(xué)習(xí)(AutoML)的開(kāi)源軟件庫(kù)(Haifeng Jin)[Github中獲得2637星]
https://github.com/jhfjhfj1/autokeras?utm_source=mybridge&utm_medium=blog&utm_campaign=read_more
Auto-Keras是一個(gè)AutoML的開(kāi)源軟件庫(kù)。它由德州農(nóng)機(jī)大學(xué)的DATA Lab開(kāi)發(fā)。AutoML的最終目的是將簡(jiǎn)易的深度學(xué)習(xí)工具提供給各個(gè)領(lǐng)域中不具有數(shù)據(jù)科學(xué)背景的專家。Auto-Keras提供了一些函數(shù)，以建立可自動(dòng)尋找結(jié)構(gòu)和超參數(shù)的深度學(xué)習(xí)模型。
相關(guān)報(bào)道：
https://medium.mybridge.co/machine-learning-open-source-of-the-month-v-aug-2018-ae85e7302ea5
【本文是51CTO專欄機(jī)構(gòu)大數(shù)據(jù)文摘的原創(chuàng)譯文，微信公眾號(hào)“大數(shù)據(jù)文摘（ id: BigDataDigest）”】
