Github 本周最有趣的 10 款「机器学习」开源项目 | PaperDaily #32

2017 年 12 月 29 日 PaperWeekly 让你更懂AI的



在碎片化阅读充斥眼球的时代,越来越少的人会去关注每篇论文背后的探索和思考。


在这个栏目里,你会快速 get 每篇精选论文的亮点和痛点,时刻紧跟 AI 前沿成果。


点击本文底部的「阅读原文」即刻加入社区,查看更多最新论文推荐。

这是 PaperDaily 的第 32 篇文章

Face Recognition

#世界上最简单的人脸识别库


本项目号称世界上最简单的人脸识别库,可使用 Python 和命令行进行调用。该库使用 dlib 顶尖的深度学习人脸识别技术构建,在户外脸部检测数据库基准(Labeled Faces in the Wild benchmark)上的准确率高达 99.38%。

项目链接

https://github.com/ageitgey/face_recognition


MUSE

#多语言词向量 Python 库


由 Facebook 开源的多语言词向量 Python 库,提供了基于 fastText 实现的多语言词向量和大规模高质量的双语词典,包括无监督和有监督两种。其中有监督方法使用双语词典或相同的字符串,无监督的方法不使用任何并行数据。

无监督方法具体可参考 Word Translation without Parallel Data 这篇论文。

论文链接

https://www.paperweekly.site/papers/1097


项目链接

https://github.com/facebookresearch/MUSE


FoolNLTK

#中文处理工具包


本项目特点:

• 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

项目链接

https://github.com/rockyzhengwu/FoolNLTK



Arnold

#最擅长玩《毁灭战士》的游戏AI


本项目来自卡耐基梅隆大学,是 2017 年 VizDoom《毁灭战士》AI 死亡竞赛冠军 Arnold 的 PyTorch 开源代码。

论文链接

https://www.paperweekly.site/papers/1440


项目链接

https://github.com/glample/Arnold



Bottom-Up Attention VQA

#2017 VQA Challenge 第一名


本项目是 2017 VQA Challenge 第一名团队两篇论文的 PyTorch 复现。

■ 论文 | Bottom-Up and Top-Down Attention for Image Captioning and Visual Question Answering

■ 链接 | https://www.paperweekly.site/papers/754


■ 论文 | Tips and Tricks for Visual Question Answering: Learnings from the 2017 Challenge

■ 链接 | https://www.paperweekly.site/papers/1441


报告解读

2017 VQA Challenge 第一名技术报告

项目链接

https://github.com/hengyuan-hu/bottom-up-attention-vqa



YOLOv2 - PyTorch

#PyTorch 版 YOLOv2


著名物体检测库 YOLOv2 的 PyTorch 版本,本项目还可以将训练好的 model 转换为适配 Caffe 2。

项目链接

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



Simple Railway Captcha Solver

#基于 CNN 的台铁订票验证码辨识


本项目利用简单的 Convolutional Neural Network 来实作辨识台铁订票网站的验证码,训练集的部分以模仿验证码样式的方式来产生、另外验证集的部分则自台铁订票网站撷取,再以手动方式标记约 1000 笔。 

目前验证集对于 6 码型态的验证码的单码辨识率达到 98.84%,整体辨识成功率达到 91.13%。

项目链接

https://github.com/JasonLiTW/simple-railway-captcha-solver



AlphaZero-Gomoku

#用 AlphaZero 下五子棋


这是一个将 AlphaZero 算法应用在五子棋的实现,由于五子棋相比围棋或国际象棋简单得多,所以只需几个小时就可以训练出一个不错的 AI 模型。

■ 论文 | AlphaZero: Mastering Chess and Shogi by Self-Play with a General Reinforcement Learning Algorithm

■ 链接 | https://www.paperweekly.site/papers/1297


■ 论文 | AlphaGo Zero: Mastering the game of Go without human knowledge

■ 链接 | https://www.paperweekly.site/papers/942


项目链接

https://github.com/junxiaosong/AlphaZero_Gomoku



gym-extensions

#OpenAI Gym 扩展集


这是一个 OpenAI Gym 库的扩展包,实现了包括:多任务学习、迁移学习、逆增强学习等功能。

项目链接

https://github.com/Breakend/gym-extensions



Myia

#Python 深度学习框架


Myia 是一个全新的 Python 深度学习框架,具有使用简单、自动微分和性能优化的特点。

项目链接

https://github.com/mila-udem/myia


本文由 AI 学术社区 PaperWeekly 精选推荐,社区目前已覆盖自然语言处理、计算机视觉、人工智能、机器学习、数据挖掘和信息检索等研究方向,点击「阅读原文」即刻加入社区!

我是彩蛋 


 解锁新功能:热门职位推荐!


PaperWeekly小程序升级啦


今日arXiv√猜你喜欢√热门职位


找全职找实习都不是问题

 

 解锁方式 

1. 识别下方二维码打开小程序

2. 用PaperWeekly社区账号进行登陆

3. 登陆后即可解锁所有功能


 职位发布 

请添加小助手微信(pwbot01)进行咨询

 

长按识别二维码,使用小程序

*点击阅读原文即可注册






关于PaperWeekly


PaperWeekly 是一个推荐、解读、讨论、报道人工智能前沿论文成果的学术平台。如果你研究或从事 AI 领域,欢迎在公众号后台点击「交流群」,小助手将把你带入 PaperWeekly 的交流群里。



登录查看更多
4

相关内容

视觉问答(Visual Question Answering,VQA),是一种涉及计算机视觉和自然语言处理的学习任务。这一任务的定义如下: A VQA system takes as input an image and a free-form, open-ended, natural-language question about the image and produces a natural-language answer as the output[1]。 翻译为中文:一个VQA系统以一张图片和一个关于这张图片形式自由、开放式的自然语言问题作为输入,以生成一条自然语言答案作为输出。简单来说,VQA就是给定的图片进行问答。

知识荟萃

精品入门和进阶教程、论文和代码整理等

更多

查看相关VIP内容、论文、资讯等
【快讯】KDD2020论文出炉,216篇上榜, 你的paper中了吗?
专知会员服务
50+阅读 · 2020年5月16日
专知会员服务
109+阅读 · 2020年3月12日
【快讯】CVPR2020结果出炉,1470篇上榜, 你的paper中了吗?
【2020新书】数据科学:十大Python项目,247页pdf
专知会员服务
212+阅读 · 2020年2月21日
近期值得关注的8款AI开源项目 | 本周Github精选
PaperWeekly
4+阅读 · 2018年8月3日
本周值得读:13 份最新开源「Paper + Code」
PaperWeekly
9+阅读 · 2018年1月19日
本周不容错过的的9篇NLP论文 | PaperDaily #21
PaperWeekly
22+阅读 · 2017年12月1日
Talking-Heads Attention
Arxiv
15+阅读 · 2020年3月5日
Generative Adversarial Networks: A Survey and Taxonomy
Arxiv
26+阅读 · 2018年9月21日
Arxiv
4+阅读 · 2018年4月17日
Arxiv
6+阅读 · 2018年4月4日
VIP会员
相关论文
Talking-Heads Attention
Arxiv
15+阅读 · 2020年3月5日
Generative Adversarial Networks: A Survey and Taxonomy
Arxiv
26+阅读 · 2018年9月21日
Arxiv
4+阅读 · 2018年4月17日
Arxiv
6+阅读 · 2018年4月4日
Top
微信扫码咨询专知VIP会员