姓名：蘆凱 ? ? ?學(xué)號：17011210546
轉(zhuǎn)載自：習(xí)悅智能公眾號，原文鏈接：https://mp.weixin.qq.com/s/_-FYWQvey9VXsfYiPSZn5w
【嵌牛導(dǎo)讀】GITHUB最新開源項目精選
【嵌牛鼻子】GITHUB，開源項目，人工智能
【嵌牛提問】github最新開源項目有哪些？
【嵌牛正文】
1 基于手機的實時語義分割
項目簡介：
????該項目受到MobileNets和U-Net的啟發(fā)，提出了一種架構(gòu)叫做MobileUNet，用于實現(xiàn)頭發(fā)部分的語義分割。作為一個典型的U-Net架構(gòu)，本文的網(wǎng)絡(luò)包含編碼器及解碼器，其中的卷積單元基于MobileNet中的思路，是depthwise結(jié)構(gòu)的。編碼器將輸入圖片縮小至32分之一的尺寸大小，之后解碼器將其恢復(fù)至原來的二分之一。最終，網(wǎng)絡(luò)輸出和輸入圖像等尺寸的預(yù)測結(jié)果。項目可以在手機或其他安卓移動設(shè)備端實時運行，精度和速度都還不錯。
????項目采用的數(shù)據(jù)集為LFW，可以獲得0.89的IoU。除了U-Net模型之外，作者還嘗試了PSPNet模型，但是效果不佳。作者認(rèn)為可能是全局的上下文信息對于頭發(fā)的識別來說沒有重要的輔助作用。作者在不同的手機上測試了性能，最終iPhone 7 勝出。
項目環(huán)境：
Keras 2、TensorFlow
項目地址：
https://github.com/akirasosa/mobile-semantic-segmentation
2 黑白圖片自動上色
項目簡介：
????使用神經(jīng)網(wǎng)絡(luò)對圖片進行風(fēng)格化渲染是計算機視覺領(lǐng)域的熱門應(yīng)用之一，如為自己的照片賦予梵高的油畫風(fēng)格。彩色渲染也是對圖片的風(fēng)格處理方法之一，可以將黑白老照片變成現(xiàn)代化的彩色照片。現(xiàn)在很多彩色上色工作都由人工手工完成，通過photoshop對圖片進行層層處理，動輒需要花費幾個月的時間，比如，對一張臉進行上色處理，需要設(shè)計20層圖層，工作量真大可以想象。
????人工智能的發(fā)展為黑白圖片自動上色帶來了可能。Reddit社區(qū)用戶Amir Avni提出了一種基于深度學(xué)習(xí)的上色機器人，其效果可媲美大師級著色水平。其技術(shù)核心在于，將自動著色轉(zhuǎn)換為發(fā)現(xiàn)灰度與彩色之間的特征聯(lián)結(jié)。我們知道，在黑白圖像中，圖片為單通道的，每個像素值代表了亮度，取值區(qū)間為0-255，代表了由白色到黑色的灰度區(qū)間。而彩色圖像包含3個通道，即RGB紅綠藍通道，取值區(qū)間同樣為0-255.通過深度學(xué)習(xí)構(gòu)建深層神經(jīng)網(wǎng)絡(luò)，學(xué)習(xí)灰色圖像與彩色圖像對應(yīng)的關(guān)系。
項目環(huán)境：
Floyd開放云平臺
項目鏈接：
https://blog.floydhub.com/colorizing-b&w-photos-with-neural-networks/
3
用Tensorflow構(gòu)建游戲AI
項目簡介：
????DeepMind 開放的 AlphaGo將強化學(xué)習(xí)（reinforce learning）帶向了大眾視野，基于強化學(xué)習(xí)教會機器人自動下象棋、讓計算機自己學(xué)著玩經(jīng)典游戲 Atari等。強化學(xué)習(xí)起初看似非常有挑戰(zhàn)性，但其實要入門并不困難。本項目作者基于 Keras創(chuàng)建一個簡單機器人，并教會它玩 Catch 游戲。Catch 是一個非常簡單的街機游戲，游戲規(guī)則也很簡單：水果從屏幕的頂部落下，玩家必須用一個籃子抓住它們；每抓住一個水果，玩家得一分；每漏掉一個水果，玩家會被扣除一分。
????項目中采用了黑白色簡化版的游戲界面，小人用底部的白色方框表示，水果用正方形的白色小方塊表示。所謂強化學(xué)習(xí)，即系統(tǒng)在一次次嘗試中，吸收成功或失敗的經(jīng)驗，自己學(xué)習(xí)成長，屬于無監(jiān)督學(xué)習(xí)的一種，沒有明確的標(biāo)簽指示。在此項目中，同樣不提供哪些是屬于正確的行為，而是給予相應(yīng)的處罰和獎勵。在 Catch 游戲中，只有在水果掉到籃子里或是撞到地板上時你才會獲得獎勵。
項目環(huán)境：
Tensorflow、Keras
項目鏈接：
https://medium.freecodecamp.org/deep-reinforcement-learning-where-to-start-291fb0058c01
4 人臉照片的自動補全
項目簡介：
????內(nèi)容識別填充是一個強大的工具，設(shè)計師和攝影師可以用它來填充圖片中不想要的部分或者缺失的部分。在填充圖片的缺失或損壞的部分時，圖像補全和修復(fù)是兩種密切相關(guān)的技術(shù)。有很多方法可以實現(xiàn)內(nèi)容識別填充，圖像補全和修復(fù)。
????該項目基于Raymond Yeh 和 Chen Chen 等人的一篇論文，“基于感知和語境損失的圖像語義修補（ Semantic Image Inpainting with Perceptual and Contextual Losses）”。論文介紹了如何使用 DCGAN 網(wǎng)絡(luò)來進行圖像補全。圖像補全包含三個步驟：將圖像理解為一個概率分布的樣本；學(xué)習(xí)如何生成偽圖片；找到最適合填充回去的偽圖片。
項目環(huán)境：
Tensorflow
項目鏈接：
http://bamos.github.io/2016/08/09/deep-completion/bamos/dcgan-completion.tensorflow
5 自動生成照片文本描述
項目簡介：
????圖像對于很多人來講一目了然，然而對于盲人等存在視覺障礙的人群來說，文本描述能夠幫助他們了解、想象一幅圖片中的內(nèi)容。此外，基于照片的文本描述還具有照片管理、分類等多種功能。
????早在2015年，谷歌Brain團隊發(fā)布了圖片描述模型，該模型結(jié)構(gòu)與NeuralTalk2相仿，但是用了一些trick使得性能精度更高。本項目中作者本著入門的目的，展示了一個基于Torch的圖片描述模型。
項目環(huán)境：
Torch
項目鏈接：
https://github.com/karpathy/neuraltalk2
