本周必看 | 7月ML&Python 最佳開源項(xiàng)目Top 10 ：從幾百個(gè)項(xiàng)目中脫穎而出，都在收藏！

機(jī)器學(xué)習(xí)開源項(xiàng)目 Top 10

我們從過去一個(gè)月將近250個(gè)機(jī)器學(xué)習(xí)開源項(xiàng)目中篩選出最受關(guān)注的10大開源項(xiàng)目，GitHub 上 Stars 平均為1041。其中涵蓋了DensePose，圖像分類，多尺度訓(xùn)練，移動(dòng)端的AI 計(jì)算引擎，衛(wèi)星圖像，NLP，Python包，文字檢測(cè)，NCRF，DALI 等主題。下面我們來一一介紹。

▌Top 1. DensePose

?

DensePose 是Facebook 研究院開發(fā)的一種實(shí)時(shí)人體姿態(tài)估計(jì)方法，它能夠?qū)?D RGB 圖像中的目標(biāo)像素映射到3D 表面模型。DensePose 項(xiàng)目旨在通過這種基于3D 表面模型來理解圖像中的人體姿態(tài)，并能夠有效地計(jì)算2D RGB 圖像和人體3D 表面模型之間的密集對(duì)應(yīng)關(guān)系。與人體姿勢(shì)估計(jì)需要使用10或20個(gè)人體關(guān)節(jié)(手腕，肘部等) 不同的是，DenPose 使用超過5000個(gè)節(jié)點(diǎn)來定義，由此產(chǎn)生的估計(jì)準(zhǔn)確性和系統(tǒng)速度將加速AR和VR 工作的連接。

相關(guān)鏈接：

https://research.fb.com/facebook-open-sources-densepose/

Github 鏈接：

https://github.com/facebookresearch/DensePose

▌Top 2. Darts

?

Darts 是 CMU 聯(lián)合DeepMind 團(tuán)隊(duì)研發(fā)的一種可微分的卷積循環(huán)網(wǎng)絡(luò)結(jié)構(gòu)，它能夠基于結(jié)構(gòu)表征的連續(xù)性，通過梯度下降法來更有效地進(jìn)行結(jié)構(gòu)搜索。在CIFAR-10，ImageNet，Penn Treebank 和WikiText-2 等大型數(shù)據(jù)庫(kù)的實(shí)驗(yàn)驗(yàn)證了這種結(jié)構(gòu)在卷積圖像分類和循環(huán)語言建模方面的高效性能。

論文鏈接：

https://arxiv.org/pdf/1806.09055.pdf

Github 鏈接：

https://github.com/quark0/darts

▌Top 3. SNIPER

?

SNIPER 是一種高效的多尺度訓(xùn)練方法，可用于諸如目標(biāo)檢測(cè)，實(shí)例分割等圖像識(shí)別任務(wù)。與圖像金字塔處理圖像中每個(gè)像素不同，SNIPER 是選擇性地處理真實(shí)目標(biāo)周圍區(qū)域的像素。得益于其能在低分辨率的芯片上運(yùn)行，這能夠顯著加速了多尺度訓(xùn)練進(jìn)程。此外，高效的內(nèi)存設(shè)計(jì)使得 SNIPER 在訓(xùn)練期間能夠最大程度地受益于批量正則化方法 (BN)，還能在單個(gè) GPU 上實(shí)現(xiàn)更大批量的圖像識(shí)別任務(wù)。因此，SNIPER 不需要跨 GPU 同步批量地處理統(tǒng)計(jì)數(shù)據(jù)，你可以像處理圖像分類一樣地訓(xùn)練你的目標(biāo)檢測(cè)器，簡(jiǎn)單而高效！

論文鏈接：

https://arxiv.org/pdf/1805.09300.pdf

Github 鏈接：

https://github.com/mahyarnajibi/SNIPER

▌Top 4. Mace

?

Mace 是一個(gè)用于移動(dòng)端的、異構(gòu)計(jì)算平臺(tái)的深度學(xué)習(xí)推理框架。在運(yùn)行期間，它通過結(jié)合NEON，OpenCL 和Hexagon 進(jìn)行優(yōu)化，并引入Winograd 算法來加速卷積計(jì)算，因此初始化過程也將更快地優(yōu)化。此外，它能很好地支持圖級(jí)內(nèi)存分配優(yōu)化和緩沖器重用過程，試圖保持最小的外部依賴性以減少內(nèi)存占用空間。它還能良好地覆蓋高通(Qualcomm)，聯(lián)發(fā)科技(Media Tek)，Pinecone 和其他基于ARM 的芯片，以CPU 運(yùn)行時(shí)還能與大多數(shù)的POSIX 系統(tǒng)和性能有限的體系結(jié)構(gòu)兼容。

Github 鏈接：

https://github.com/XiaoMi/mace

▌Top 5. Robosat

Robosat 是一種端到端的特征提取方法，能夠用于航空和衛(wèi)星圖像的目標(biāo)特征提取，包括圖像中的建筑物，停車場(chǎng)，道路，汽車等目標(biāo)。該方法主要包括三部分內(nèi)容：

• 數(shù)據(jù)準(zhǔn)備：為訓(xùn)練特征提取模型創(chuàng)建一個(gè)數(shù)據(jù)集。

• 訓(xùn)練和建模：為圖像特征提取訓(xùn)練一個(gè)分割模型。

• 后處理：將圖像分割結(jié)果轉(zhuǎn)為干凈而簡(jiǎn)單的幾何形狀。

Github 鏈接：

https://github.com/mapbox/robosat

▌Top 6. DecaNLP

?

DecaNLP 是由Saleforce 提出的一個(gè)自然語言界的“十項(xiàng)全能”挑戰(zhàn)，其涵蓋了十項(xiàng)自然語言任務(wù)：?jiǎn)柎?，機(jī)器翻譯，摘要，自然語言推理，情感分析，語義角色標(biāo)記，零目標(biāo)關(guān)系提取，目標(biāo)導(dǎo)向?qū)υ挘Z義分析和常識(shí)代詞解析等任務(wù)。每種任務(wù)都被視為是一種問答問題，可以通過我們提出的多任務(wù)問答模型框架(Multitask Question Answering Network) 來解決。該模型能夠聯(lián)合學(xué)習(xí)DecaNLP 挑戰(zhàn)中的所有任務(wù)，而不需要在多任務(wù)設(shè)置下設(shè)定某個(gè)特定任務(wù)的模塊或超參數(shù)。

論文鏈接：

https://arxiv.org/abs/1806.08730

Github 鏈接：

https://github.com/salesforce/decaNLP

▌Top 7. Magnitude

?

Magnitude 是一種快速高效的通用向量嵌入式實(shí)用程序包，含有功能豐富的Python 包和矢量存儲(chǔ)文件格式，可用于在Plasticity 中以快速、高效而簡(jiǎn)單的方式將矢量嵌入用于機(jī)器學(xué)習(xí)模型。它主要是為Gensim 提供一種更簡(jiǎn)單快速的替代方案，但也可以作為一種通用的矢量存儲(chǔ)方法應(yīng)用于NLP 以外的領(lǐng)域。

Github 鏈接：

https://github.com/plasticityai/magnitude

▌Top 8. Porcupine

?

Porcupine 是一種自助式的、高精度、輕量級(jí)文字檢測(cè)引擎，它能夠使開發(fā)人員構(gòu)建語音應(yīng)用程序平臺(tái)。它具有以下幾大優(yōu)勢(shì)：

• 自助式服務(wù)：你可以在幾秒內(nèi)選擇任何的喚醒詞(wake word) 并構(gòu)建模型。

• 能夠使用真實(shí)情況下訓(xùn)練的深度神經(jīng)網(wǎng)絡(luò)(即噪聲和混響）。

• 結(jié)構(gòu)緊湊且計(jì)算效率高，能夠適用于物聯(lián)網(wǎng)應(yīng)用。

• 跨平臺(tái)應(yīng)用：以純定點(diǎn)ANSIC 實(shí)現(xiàn)，目前可支持Raspberry Pi，Android，iOS，watchOS，Linux，Mac 和Windows 等平臺(tái)。

• 可擴(kuò)展性強(qiáng)：它可以同時(shí)檢測(cè)數(shù)十個(gè)喚醒詞(wake word)，而幾乎不需要額外的CPU /內(nèi)存占用。

Github 鏈接：

https://github.com/Picovoice/Porcupine

▌Top 9. NCRF

?

NCRF 是一種神經(jīng)條件隨機(jī)場(chǎng)結(jié)構(gòu)，能夠?qū)z測(cè)到的癌癥轉(zhuǎn)移到WSI 中。這種框架通過完全連接的條件隨機(jī)場(chǎng)(CRF)，將相鄰補(bǔ)丁之間的空間相關(guān)性直接并入CNN 結(jié)構(gòu)的頂層特征提取器，并采用標(biāo)準(zhǔn)的端到端訓(xùn)練方式，以反向傳播法進(jìn)行優(yōu)化。實(shí)驗(yàn)結(jié)果表明這種框架能夠獲得更佳質(zhì)量的預(yù)測(cè)概率圖，并取得不錯(cuò)的平均FROC 分?jǐn)?shù)。

論文鏈接：

https://openreview.net/pdf?id=S1aY66iiM

Github 鏈接：

https://github.com/baidu-research/NCRF

▌Top 10. DALI

?

DALI 是NVIDA 提出的一個(gè)數(shù)據(jù)加載庫(kù)，它是一個(gè)高度優(yōu)化的構(gòu)建模塊和執(zhí)行引擎集合，可用于加速深度學(xué)習(xí)應(yīng)用程序中輸入數(shù)據(jù)的預(yù)處理過程。此外，DALI 還提供了不同數(shù)據(jù)的加速提供了足夠的性能和靈活性，并可以輕松集成到不同的深度學(xué)習(xí)訓(xùn)練和推理程序中。它具有以下幾大優(yōu)勢(shì)：

• 能夠直接從磁盤加速讀取全數(shù)據(jù)，并為訓(xùn)練和推理過程做準(zhǔn)備。

• 通過可配置的圖形和自定義操作實(shí)現(xiàn)足夠的靈活性。

• 支持圖像分類和分段工作負(fù)載。

• 直接通過框架插件和開源綁定輕松實(shí)現(xiàn)集成。

• 具有多種輸入格式的便攜式訓(xùn)練工作流程，包括JPEG，LMDB，RecordIO，TFRecord 等格式。

Github 鏈接：

https://github.com/NVIDIA/dali

Python 開源項(xiàng)目 Top 10

我們從過去一個(gè)月將近 250 個(gè) Python 開源項(xiàng)目中篩選出最受關(guān)注的 10 大開源項(xiàng)目，GitHub 上 Stars 平均為1051。其中涵蓋了終端 (Terminal)，機(jī)器人，照片，圖像大小調(diào)整，Instagram，短信(SMS)，人工智能(AI)，3D渲染，電報(bào)機(jī)器人(Telegram bot)，驗(yàn)證碼(CAPTCHA) 等主題。下面我們來一一介紹。

▌Top 1. Termtosvg

?

Termtosvg 是一個(gè)用Python 編寫的Linux 終端記錄器，它能將命令行會(huì)話呈現(xiàn)成獨(dú)立的SVG 動(dòng)畫。這個(gè)項(xiàng)目目前在GitHub 獲得了近六千 Stars。

Github 鏈接：

https://github.com/nbedos/termtosvg

▌Top 2. PythonRobotics

?

PythonRobotics 是一個(gè)機(jī)器人算法的Python 代碼集合，尤其適用于機(jī)器人自主導(dǎo)航。它具有以下幾大特征：

• 集合了一些廣泛使用和實(shí)用算法。

• 最低依賴性。

• 易于閱讀和理解每個(gè)算法背后的基本思想。

Github 鏈接：

https://github.com/AtsushiSakai/PythonRobotics

▌Top 3. Cartoonify

?

Cartoonify 是一款基于Python 的應(yīng)用程序，能夠?qū)⒄掌優(yōu)榭ㄍ▓D片。該應(yīng)用程序能夠在桌面環(huán)境(OSX，Linux) 和raspberry pi 的嵌入式環(huán)境中運(yùn)行。

Github 鏈接：

https://github.com/danmacnish/cartoonify

▌Top 4. PyCAIR

?

PyCAIR 是一個(gè)基于內(nèi)容感知的圖像大小調(diào)整庫(kù)，它具有以下幾大特征：

• 能夠基于所提供的圖像生成能量圖和灰度圖像格式。

• Seam Carving 算法試圖通過能量圖獲取最低能量值，以找到圖像中一些無用區(qū)域。

• 在動(dòng)態(tài)編程和backtracking 的幫助下，Seam Carving 算法能夠使用自上而下或自左往右的方法在圖像上生成單獨(dú)的接縫(取決于垂直或水平調(diào)整大小)。

• 通過逐行遍歷圖像矩陣，針對(duì)每個(gè)條目計(jì)算所有可能接縫數(shù)的累積最小能量。通過將當(dāng)前行像素與前一行相鄰像素的最低值求和來計(jì)算最小能量值水平。

• 從最后一行開始，在能量矩陣中找出成本最低的接縫并將其移除。迭代地重復(fù)該過程，直到根據(jù)用戶指定的比率調(diào)整圖像大小。

Github 鏈接：

https://github.com/avidLearnerInProgress/pyCAIR

▌Top 5. Instagram-scraper

?

Instagram-scrapet 是受twitter-scraper 提出的一種scraper 方法。

Github 鏈接：

https://github.com/meetmangukiya/instagram-scraper

▌Top 6. FootballNotifier

FootballNotifier 是一個(gè)基于Python 應(yīng)用程序。順應(yīng)當(dāng)下足球世界杯的熱潮，這款應(yīng)用程序能夠當(dāng)在你所支持的球隊(duì)得分時(shí)向你發(fā)送SMS 短信提醒。

Github 鏈接：

https://github.com/c-mnzs/footballNotifier

▌Top 7. Face-tracking-with-Anime-characters

Face-tracking-with-Anime-characters 是一個(gè)能夠通過訪問網(wǎng)絡(luò)攝像頭來直接凝視游戲doki doki 文學(xué)俱樂部的YURI 玩家靈魂的Python 項(xiàng)目。

Github 鏈接：

https://github.com/Aditya-Khadilkar/Face-tracking-with-Anime-characters

▌Top 8. Pyray

Pyray 是一個(gè)基于Python 的3D 渲染庫(kù)。現(xiàn)在，POV ray 是一個(gè)很棒的程序，但我們?yōu)槭裁床荒茉赑ython 中開發(fā)一個(gè)同樣功能的應(yīng)用程序，用于2D，3D 和更高維度的對(duì)象和場(chǎng)景渲染呢？在這個(gè)項(xiàng)目中我將用Python 展示POV ray 程序所能做的一切，包括渲染復(fù)雜的3D 對(duì)象、場(chǎng)景、動(dòng)畫等。

Github 鏈接：

https://github.com/ryu577/pyray

▌Top 9. Moodbot

Moodbot 是基于Python 開發(fā)的一個(gè)電報(bào)機(jī)器人項(xiàng)目，可用于自我測(cè)試焦慮和抑郁情緒。

Github 鏈接：

https://github.com/dizballanze/m00dbot

▌Top 10. NonoCAPTCHA

NonoCAPTCHA 是一個(gè)異步的Python 庫(kù)，可通過設(shè)備中的音頻來用于自動(dòng)處理 ReCAPTCHA v2。它能夠支持Mozilla 的DeepSpeech，PocketSphinx，Microsoft Azure 和Amazon 的Transcribe Speech-to-Text API 等多種設(shè)備。

Github 鏈接：

https://github.com/mikeyy/nonoCAPTCHA

▌結(jié)束語

7月即將結(jié)束，大家可以通過今天的內(nèi)容找到自己感興趣或者有用的項(xiàng)目。