Auto Byte

专注未来出行及智能汽车科技

微信扫一扫获取更多资讯

Science AI

关注人工智能与其他前沿技术、基础学科的交叉研究与融合发展

微信扫一扫获取更多资讯

Rishi Sidhu作者Nurhachu Null、Geek AI翻译

GitHub上Star量最高的5个机器学习项目

本文介绍了 GitHub 上 star 量最高的 5 个机器学习项目,涉及人脸识别、文本处理、机器学习框架等。

机器学习领域正在飞速发展。GitHub 是一张举世瞩目的白板,高质量的代码通常被发布在这张充满智慧的无限大白板上。

显然,我们不可能追踪机器学习世界中的所有东西,但是 GitHub 上每个项目都具备自己的 star 量。即,如果你标星了一个仓库,这意味着你对这个项目表达了赞赏,同时也跟踪了你觉得有意思的仓库。

星数排名可作为了解最受关注项目的重要指标。本文就介绍了机器学习领域星数排名最高的 5 个项目。

Face Recognition:26073★

GitHub 地址:https://github.com/ageitgey/face_recognition?source=post_page---------------------------

这是世界上最简洁的人脸识别工具。它提供对 Python 和命令行的应用程序接口(API),其用途是识别以及操作图像中的人脸。它使用 Dlib 最先进的人脸识别算法构建,该深度学习模型在 LFW(Labeled Faces in the Wild)数据集上达到了 99.38% 的准确率。

它还提供了 face_recognition 命令行工具,它可以让你在包含图像的文件夹中使用命令行来进行人脸识别

这个库还可以处理实时人脸识别

fastText:18931 ★

GitHub 地址:https://github.com/facebookresearch/fastText?source=post_page---------------------------

fastText 是由 Facebook 团队开发的免费开源库,用于高效词表征学习。它是轻量级的,允许用户学习文本表征和句子分类器。它可以在标准通用硬件上运行,模型甚至可以被压缩到适应移动设备的大小。

文本分类是很多应用的核心问题,例如垃圾邮件检测、情感分析或智能回复。文本分类的目标是给文档(例如电子邮件、博客、短信、产品评论等)分配多个类别。

词类示例(图源:Alterra.ai)

对自然语言处理(NLP)爱好者而言,这是一款非常有用的工具。

图源:https://fasttext.cc/?source=post_pag (https://fasttext.cc/?source=post_pag%EF%BC%89)

Awesome TensorFlow:14501★

GitHub 地址:https://github.com/jtoy/awesome-tensorflow

这是一个帮你理解和使用 TensorFlow 的资源集合。该 repo 涵盖一系列资源列表,如很棒的 TensorFlow 实验、库和项目。

TensorFlow 是 Google 开发的端到端开源机器学习平台。它有全面的生态系统,包括工具、库和社区资源,允许研究者创建最先进的机器学习算法。使用 TensorFlow,开发者可以很容易地构建并部署由机器学习驱动的应用。

图源:https://www.tensorflow.org/tutorials/keras/basic_classification?source=post_page 

Apache predictionio 11866 ★

GitHub 地址:https://github.com/apache/predictionio

Apache PredictionIO 是供开发者、数据科学家和终端用户使用的开源机器学习框架。用户可使用该框架构建真实的机器学习应用,并进行部署和测试。

它甚至支持事件收集、评估,以及查询预测结果。它基于可扩展的开源服务,如 Hadoop、HBase 等。

就机器学习而言,该工具减轻了开发人员的思维负担。

图源:http://predictionio.apache.org/appintegration/?source=post_page 

Style2Paints:9860 ★

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

该 repo 与前面 4 个有点不一样,因为缺乏资金,它已经被关闭了!它确实是一个有趣的设想,使用 AI 给图像上色。

创建者称 Style2paints V4 是当前最好的 AI 线稿上色工具。

他们称这个项目与之前的端到端图像转换方法不同,因为它是第一个用真实的人类作业流程为线稿上色的系统。很多艺术家熟悉这个流程。

素描-->彩色填充/扁平化-->渐变/细节添加-->阴影处理

Style2Paints 就是根据这个流程设计的。只用两次点击,该流程就可以使下图中最左的图变成中间的图。

图源:https://style2paints.github.io/?source=post_page

仅仅点击 4 次,你就能够得到下面这张图:

图源:https://github.com/lllyasviel/style2paints?source=post_page

原文链接:https://towardsdatascience.com/highest-rated-ml-projects-on-github-694486293512

工程GitHub人脸识别TensorFlow智能软件机器学习
19
相关数据
人脸识别技术

广义的人脸识别实际包括构建人脸识别系统的一系列相关技术,包括人脸图像采集、人脸定位、人脸识别预处理、身份确认以及身份查找等;而狭义的人脸识别特指通过人脸进行身份确认或者身份查找的技术或系统。 人脸识别是一项热门的计算机技术研究领域,它属于生物特征识别技术,是对生物体(一般特指人)本身的生物特征来区分生物体个体。

表征学习技术

在机器学习领域,表征学习(或特征学习)是一种将原始数据转换成为能够被机器学习有效开发的一种技术的集合。在特征学习算法出现之前,机器学习研究人员需要利用手动特征工程(manual feature learning)等技术从原始数据的领域知识(domain knowledge)建立特征,然后再部署相关的机器学习算法。虽然手动特征工程对于应用机器学习很有效,但它同时也是很困难、很昂贵、很耗时、并依赖于强大专业知识。特征学习弥补了这一点,它使得机器不仅能学习到数据的特征,并能利用这些特征来完成一个具体的任务。

fastText技术

Facebook开发的文本处理工具,是一个用于高效学习单词表示和句子分类的库。

推荐文章
暂无评论
暂无评论~