12.4 2017年度盘点：Github上十大有趣的机器学习项目

[vieyahn2017]

2017年度盘点：Github上十大有趣的机器学习项目 https://blog.csdn.net/Mbx8X9u/article/details/78994015

[vieyahn2017]

AlphaZero-Gomoku

OpenPose

Face Recognition

Magenta

YOLOv2

MUSE

Arnold

FoolNLTK

Gym

style2paints v2.0

[vieyahn2017]

1. AlphaZero-Gomoku 用Alpha元下五子棋

项目链接：https://github.com/junxiaosong/AlphaZero_Gomoku

这个项目使用Alpha元算法，通过自训练实现玩五子棋。由于五子棋相比围棋或国际象棋简单得多，所以只需要在一个普通电脑上，花上几个小时就可以训练出一个非常不错的 AI 模型。

[vieyahn2017]

2. OpenPose 多人实时检测系统

github地址：https://github.com/CMU-Perceptual-Computing-Lab/openpose

OpenPose代表了第一代实时多人检测系统，在单张图片上它可以检测人的身体、手、脸部关键点一共130个：

15或18个身体基本关键点，并且运行时检测的人数不变

2x21个手的基本关键点。目前情况是运行时是基于检测到的人的数量

70个脸部基本关键点。目前情况运行时是基于检测到的人的数量

[vieyahn2017]

3. Face Recognition 最简单的人脸识别

github地址：https://github.com/ageitgey/face_recognition0?wx_fmt=jpeg

据称，这是世界上使用python和命令行最简单的人脸识别库。它使用dlib-世界顶尖水平的深度学习人脸识别技术，在户外脸部基准点测试上，这个模型的准确率高达99.38%。它也提供了简单的人脸识别命令行工具让你通过命令行来使用一个文件夹下的图片做人脸识别。

[vieyahn2017]

4. Magenta 机器学习生成音乐和艺术

github地址：https://github.com/tensorflow/magenta

Magenta这个项目来自谷歌大脑团队对机器学习在艺术领域的探索和疑问：我们可以用机器学习来创造艺术和音乐吗？如果可以，怎么做，如果不能，为什么？所以他们把模型和工具开源到GitHub上，在网站里也贴出了demo、教程和论文，如果有兴趣，可以读他们的博客并且加入他们的讨论组。

[vieyahn2017]

5. YOLOv2 PyTorch版YOLOv2

github地址：https://github.com/ruiminshen/yolo2-pytorch

YOLOv2是最流行的目标检测框架之一，这个项目使用PyTorch实现来提高YOLO的产品化能力。它也拿ONNX把模型转换成Caffe2方便部署到开发者的项目里。

[vieyahn2017]

6. MUSE 多语言无监督和有监督词向量Python库

github地址：https://github.com/facebookresearch/MUSE

MUSE是一个多语言词向量python库，它的目标是为社区提供：

基于fastText的世界顶尖的多语言词向量

为大型高质量的双语词典做训练和评估

他们包含两个方法，一个是使用了双语词典和相同的字符串的有监督学习，另一个是没有使用任何并行数据的无监督学习。

[vieyahn2017]

7. Arnold 使用深度强化学习玩FPS游戏的代理机器人

github地址：https://github.com/glample/Arnold

它包括了：

训练DOOM毁灭战士的源码

有17个用来训练和评估的地图

5个预训练的模型，你可以用它可视化和游戏对打，它还包括了那些赢得了ViZDoom毁灭战士竞赛的模型。

[vieyahn2017]

8. FoolNLTK 中文处理工具包

github地址：https://github.com/rockyzhengwu/FoolNLTK

它提供了：

可能不是最快的开源中文分词，但很可能是最准的开源中文分词

基于BiLSTM模型训练而成

包含分词，词性标注，实体识别,　都有比较高的准确率

用户自定义词典

[vieyahn2017]

9. Gym 训练强化学习的开发工具包

github地址：https://github.com/openai/gym

Gym对你的代理结构没有任何假设，并且与任何数值计算库（如TensorFlow或Theano）兼容。你可以从Python代码中使用它，并很快从其他语言中使用它。

[vieyahn2017]

10. style2paints v2.0 线稿自动上色

github地址: https://github.com/lllyasviel/style2paints

style2paintv2.0是使用无监督训练，它可以按照指定的颜色风格给线稿上色，github上有多个给线稿自动上色的模型，和其它几个相比，style2paints的“提示笔”是最精确的。

[vieyahn2017]

2017年 GitHub最受欢迎的机器学习、图像处理等开源项目

[vieyahn2017]

接下来是Mybridge精选的Top30的项目：

1. FastText：快速文本表示和文本分类库（Github上有11786颗星，贡献者Facebook Research）

源码链接：https://github.com/facebookresearch/MUSE

2. Deep-photo-styletransfer：“Deep Photo StyleTransfer” 这篇论文的源码和数据。（GitHub 9747颗星，论文来自于康奈尔大学的Fujun Luan）

源码链接：https://github.com/luanfujun/deep-photo-styletransfer

3. 用Python和命令行来实现的最简单的面部识别API（GitHub 8672颗星，贡献者Adam Geitgey）

源码链接：https://github.com/ageitgey/face_recognition

4. Magenta:利用机器智能生成音乐和美术艺术品（GitHub 8113颗星）

源码链接：https://github.com/tensorflow/magenta

5. Sonnet：基于TensorFlow的神经网络库（GitHub 573颗星，贡献者是DeepMind的Malcolm Reynolds ）

源码链接：https://github.com/deepmind/sonnet

6. deeplearn.js： 一个用于Web的硬件加速机器学习库（GitHub 5462颗星，贡献者是Google Brain的Nikhil Thorat）

源码链接：https://github.com/PAIR-code/deeplearnjs

7. 基于TensorFlow的快速风格迁移库（GitHub 4843颗星，贡献者是MIT的Logan Engstrom）

源码链接：https://github.com/lengstrom/fast-style-transfer

8. Pysc2: 星际争霸2学习环境（GitHub3684颗星，贡献者是DeepMind的Timo Ewalds）

源码链接：https://github.com/deepmind/pysc2

9. AirSim： Microsoft AI & Research开源的基于虚幻引擎的开源模拟器，用于自动驾驶（GitHub 3861颗星，贡献者是Microsoft的Shital Shah）

源码链接：https://github.com/Microsoft/AirSim

10. acets: 机器学习数据集的可视化工具（GitHub 3371颗星，由Google Brain贡献）

源码链接：https://github.com/PAIR-code/facets

11. Style2Paints：用AI技术为线稿快速上色的工具（GitHub 3310颗星）

源码链接：https://github.com/lllyasviel/style2paints

12. Tensor2Tensor：一个用于广义序列-序列模型的库 - Google Research（GitHub 3087颗星，贡献者是Google Brain的Ryan Sepassi）

源码链接：https://github.com/tensorflow/tensor2tensor

13. 基于Pytorch实现的图片-图片转换（GitHub2847颗星，贡献者Berkeley的Jun-Yan Zhu,Ph.D）

源码地址：https://github.com/junyanz/pytorch-CycleGAN-and-pix2pix

14. Faiss：用于密集向量的高效相似性搜索库和聚类的库（GitHub 2629颗星，贡献者Facebook Research）

源码地址：https://github.com/facebookresearch/faiss

15. Fashion-minist：类似于MNIST的时尚产品数据集（GitHub 2780颗星，贡献者是Zalando Tech的Han Xiao）

源码链接：https://github.com/zalandoresearch/fashion-mnist

16. ParlAI： 一个可用在各种公开可用的对话数据集上训练和评估AI模型的框架（GitHub 2578颗星，贡献者是Facebook 的Alexander Miller）

源码链接：https://github.com/facebookresearch/ParlAI

17. Fairseq：Facebook AI Research的序列-序列工具包（GitHub 2571颗星）

源码链接：https://github.com/facebookresearch/fairseq

18. Pyro：基于Python和PyTorch的深度通用概率编程（GitHub 2387颗星，贡献者Uber Engineering）

源码链接：https://github.com/uber/pyro

19. iGAN：基于GAN的交互式图像生成（GitHub2369颗星）

源码地址：https://github.com/junyanz/iGAN

20. Deep-image-prior：用神经网络恢复图像（GitHub2188颗星，贡献者是Skoltech的DmitryUlyanov, Ph.D）

源码地址：https://github.com/DmitryUlyanov/deep-image-prior

21. 人脸分类：基于 Keras CNN 模型与 OpenCV ，使用fer2013/imdb 数据集进行实时面部检测和表情/性别分类（GitHub 1967颗星）

源码地址：https://github.com/oarriaga/face_classification

22. Speech-to-Text-WaveNet：使用DeepMind的WaveNet和TensorFlow进行端到端句级英语语音识别（GitHub 1961颗星，贡献者是Kakao Brain的Namju Kim）

源码地址：https://github.com/buriburisuri/speech-to-text-wavenet

23. StarGAN: 用于多域图像-图像转化的统一生成对抗网络（GitHub 1954颗星，贡献者Korea University的Yunjey Choi）

源码地址：https://github.com/yunjey/StarGAN

24. MI-agents：Unity机器学习代理（GitHub 1658颗星，贡献者Unity3D的Arthur Juliani）

源码地址：https://github.com/Unity-Technologies/ml-agents

25. DeepVideoAnalytics：一个分布式可视化搜索和数据分析平台（GitHub1494颗星，贡献者是Cornell University 的AkshayBhat）

源码地址：https://github.com/AKSHAYUBHAT/DeepVideoAnalytics

26. OpenNMT：Torch上的开源神经机器翻译工具包（GitHub 1490颗星）

源码地址：https://github.com/OpenNMT/OpenNMT

27. Pix2pixHD: 用条件GAN合成和处理2048×1024的图像（GitHub1283颗星，贡献者是英伟达科学家 Ming-Yu Liu）

源码地址：https://github.com/NVIDIA/pix2pixHD

28. Horovod：TensorFlow 布式 训练框架（GitHub 1188 颗星，贡献者来自Uber ）

源码地址：https://github.com/uber/horovod

29. AI-Blocks： 一个强大而直观的所见即所得界面，可让任何人创建机器学习模型（GitHub 899颗星）

源码地址：https://github.com/MrNothing/AI-Blocks

30. Tensorflow实现的用于语音风格转换的深度神经网络（GitHub845颗星，贡献者是Kakao Brain AI团队的DabiAhn）

源码地址：https://github.com/andabi/deep-voice-conversion