35个Github优质开源AI项目，最受开发者欢迎的是哪个领域？

  

机器学习是使计算机无需明确编程即可学习的能力的研究领域。 ML是一个人们曾经遇到过的最令人兴奋的技术之一。 从名称可以明显看出，它为计算机提供了与人类更相似的能力：学习能力。 如今，机器学习正在被人类用在很多领域。我们比较了将近22,000个机器学习开源工具和项目，从中选出了35个优秀的机器学习项目。

<计算机视觉>

　　1、Detectron：用于物体检测研究的FAIRs研究平台，实现了流行的算法，例如Mask R-CNN和RetinaNet。 [Github星星数：13913]

　　2、Openpose：用于身体，面部和手部预估的实时多人关键点检测库。[Github星星数：11052]

　　3、DensePose：一种将2D RGB图像的所有人类像素映射到基于3D表面的人体模型的实时方法。[Github星星数：4165]

　　4、Maskrcnn基准测试：实现PyTorch中语义分割和对象检测算法的快速模块化参考。[Github星星数：3888]

　　5、SNIPER：是一种有效的多尺度目标检测算法。[Github星星数：1963]

<强化学习>

　　6、Psychlab：使用Psychlab平台（基于代理的AI的3D平台）实施的实验范例。[Github星星数：5955]

　　7、ELF：用于游戏研究的广泛，轻便且灵活的平台。我们使用它来构建围棋机器人ELF OpenGo，与四个全球排名前30位的玩家相比，创下了14-0的记录。[Github星星数：2406]

　　8、TRFL：一个有用的构建库，用于在TensorFlow中编写增强学习（RL）代理。[Github星星数：2312]

　　9、Horizon：第一个用于大型产品和服务的开源强化学习平台。[Github星星数：1703]

　　10、Chess-alpha-zero（国际象棋-阿法狗升级版）：通过AlphaGo Zero方法进行国际象棋强化学习。 [Github星星数：1307]

　　11、Dm_control：DeepMind控制套件和控制包。[Github星星数：1231]

　　12、MAMEToolkit：街机游戏强化学习Python库。[Github星星数：437]

　　13、Reaver：模块化深度强化学习框架，专注于《星际争霸II》，支持Gym，Atari和MuJoCo。 [Github星星数：355]

　　14、Bert：BERT的TensorFlow代码和预训练模型。[Github星星数：11703]

　　15、Pytext：基于PyTorch的自然语言建模框架。[Github星星数：4466]

　　16、Bert-as-service：由Google开发的用于预训练语言表示的NLP模型。它利用了在网络上公开提供的大量纯文本数据，并且以无人监督的方式进行了训练。 [Github星星数：2055]

　　17、UnsupervisedMT：基于短语和神经的非监督机器翻译。[Github星星数：1068]

　　18、DecaNLP：自然语言十项全能：NLP的多任务挑战。 [Github星星数：1648]

　　19、Nlp架构师：英特尔AI实验室的NLP架构师，基于Python库，用于探索NLP的最先进的深度学习拓扑和技术。[Github星星数：1751]

　　20、Gluon-nlp：让NLP变得简单。[Github星星数：1263]

　　21、DeOldify：一个基于深度学习的项目，用于对旧图像进行着色和还原。[Github星星数：5060]

　　22、Progressive_growing_of_gans：逐步增长GAN以提高质量，稳定性和变化性。[Github星星数：4046]

　　23、MUNIT：多模式无监督图像到图像翻译。[星星数：1339]

　　24、Transparent_latent_gan：使用监督学习来阐明GAN的潜在空间，以控制生成并编辑。[Github星星数：1337]

　　25、Gandissect：基于Pytorch的工具，用于可视化和理解GAN神经元。 [Github星星数：星星数：1065]

26、GANimation：来自单个图像的解剖学感知的面部动画。[Github星星数：869]

<神经网络>

　　27、Fastai：使用现代最佳实践简化了快速，准确的神经网络的训练。[Github星星数：11597]

　　28、DeepCreamPy：使用Deep Neural Networks 来修饰Hentai。[Github星星数：7046]

　　29、Augmentor v0.2：Python中的图像增强库，用于机器学习。 [Github星星数：2805星]

　　30、Graph_nets：在Tensorflow中构建图网。[在Github星星数：2723星]。

　　31、Textgenrnn：Python模块，可使用基于预训练的基于字符的循环神经网络轻松生成文本。 [Github星星数：1900]

　　32、Person-blocker：使用预先训练的神经网络自动“拦截”图像中的人物（例如“黑镜”）。[Github星星数：1806]

　　33、Deepvariant：DeepVariant是一个分析管道，它使用深度神经网络从下一代DNA测序数据中调用遗传变异。 [Github星星数：1502]

　　34、Video-nonlocal-net：用于视频分类的非本地神经网络。[Github星星数：1049]

　　35、Ann-visualizer：一个用于可视化人工神经网络（ANN）的python库。[Github星星数：922]

　　当然仅仅知道这些项目还是不够的。被誉为“人工智能学习电脑”的钛灵AIX，内置了英特尔 Movidius Myraid X 运算加速芯片，全球最受欢迎的开源硬件树莓派、以及多种传感技术。这样小小的一个“盒子”，支持语音交互和视觉识别。

　　AIX极大降低了AI的学习与开发门槛，帮助编程初学者/高阶玩家、以及AI爱好者及开发者们学习、和快速构建会听、会说、会看的 AI 应用及解决方案。动手去做，学以致用，才能真正理解和学习人工智能。