在过去的一个月里，Mybridge AI根据各种因素对项目进行排名，在将近250个机器学习开源项目中选出前10位。

这个月10个项目在Github上平均评星为1041。

主题包括：DensePose，图像分类，多尺度训练，移动AI计算引擎，卫星图像，NLP，Python包，字检测，NCRF，DALI。

开源项目对程序员很实用，希望你找到一个启发你的有趣项目。

No.1：DensePose

这是一种实时方法，用于将2D RGB图像的所有人类像素映射到身体的3D表面模型。DensePose-RCNN在Detectron框架中实现，由Caffe2提供支持。



Github 2901颗星。由Facebook Research提供。

项目：github.com/facebookresearch/DensePose?utm_source=mybridge&utm_medium=blog&utm_campaign=read_more

No.2：Darts

可分辨的架构搜索卷积和循环网络。该算法基于架构空间中的连续松弛和梯度下降。它能够有效地设计用于图像分类的高性能卷积体系结构（在CIFAR-10和ImageNet上）和用于语言建模的循环体系结构（在Penn Treebank和WikiText-2上）。只需要一个GPU。



Github 1128颗星。由Hanxiao Liu提供。

项目：github.com/quark0/darts?utm_source=mybridge&utm_medium=blog&utm_campaign=read_more

No.3：SNIPER，高效的多规模训练

SNIPER是一种有效的多尺度物体检测算法，用于实例级识别任务，如对象检测和实例级分割。SNIPER不是处理图像金字塔中的所有像素，而是选择性地处理地面实况对象（也称为芯片）周围的上下文区域。由于它在低分辨率芯片上运行，因此显着加速了多规模培训。由于其内存高效设计，SNIPER可以在训练期间受益于批量标准化，并且可以在单个GPU上实现更大批量大小的实例级识别任务。因此，我们不需要跨GPU同步批量标准化统计数据，我们可以训练对象检测器，类似于我们进行图像分类的方式！



Github 1352颗星。由Mahyar Najibi提供。

项目：github.com/mahyarnajibi/SNIPER?utm_source=mybridge&utm_medium=blog&utm_campaign=read_more

No.4：Mace

针对移动异构计算平台优化的深度学习推理框架。该设计侧重于以下目标：

• 性能


• 使用NEON，OpenCL和Hexagon优化运行时，并 引入Winograd算法以加速卷积运算。初始化也被优化为更快。


• 能量消耗


• 与芯片相关的电源选项如big.LITTLE调度，Adreno GPU提示作为高级API包含在内。


• 响应


• 在运行模型时，UI响应性保证有时是强制性的。引入了将OpenCL内核自动分解为小单元的机制，以便更好地抢占UI呈现任务。


• 内存使用和库占用空间


• 支持图级存储器分配优化和缓冲器重用。核心库试图保持最小的外部依赖性以保持库占用空间小。


• 模型保护


• 自设计开始以来，模型保护一直是最优先考虑的事项。引入了各种技术，例如将模型转换为C ++代码和文字混淆。


• 平台覆盖


• 良好的覆盖最近的高通，联发科技，Pinecone和其他基于ARM的芯片。CPU运行时还与大多数POSIX系统和性能有限的体系结构兼容。

Github 2118颗星。由小米提供。

项目：github.com/XiaoMi/mace?utm_source=mybridge&utm_medium=blog&utm_campaign=read_more

No.5：Robosat

航空和卫星图像的语义分割。提取功能，如：建筑物，停车场，道路，水。RoboSat附带的工具可分为以下几类：

数据准备：为训练特征提取模型创建数据集
训练和建模：图像特征提取的分割模型
后处理：将分割结果转换为干净和简单的几何形状

Github 776颗星。由Mapbox提供。

项目：github.com/mapbox/robosat?utm_source=mybridge&utm_medium=blog&utm_campaign=read_more

No.6：DecaNLP

自然语言十项全能是一项多任务挑战，涵盖十项任务：问答，机器翻译，摘要，自然语言推理，情感分析，语义角色标记，零镜头关系提取，目标导向对话，语义分析和常识代词解析。每个任务都被转换为问题回答，这使得我们可以使用新的多任务问题应答网络（MQAN）。此模型联合学习decaNLP中的所有任务，而多任务设置中没有任何特定于任务的模块或参数。

Github 886颗星。由Salesforce提供。

项目：github.com/salesforce/decaNLP?utm_source=mybridge&utm_medium=blog&utm_campaign=read_more

No.7：Magnitude

Magnitude是一个快速，简单的矢量嵌入实用程序库，用于在Plasticity开发的快速，高效和简单的方式中将矢量嵌入用于机器学习模型。它主要是为Gensim提供更简单/更快速的替代方案，但可以用作NLP之外的域的通用密钥向量存储。

Github 427颗星。

项目：github.com/plasticityai/magnitude?utm_source=mybridge&utm_medium=blog&utm_campaign=read_more

No.8：Porcupine

由深度学习驱动的设备唤醒字检测引擎。

• 自助服务。开发人员有权在几秒钟内选择任何唤醒词并构建其模型。


• 使用在真实情况下训练的深度神经网络（即噪声和混响）。


• 紧凑且计算效率高，使其适用于物联网应用。


• 跨平台。它以纯定点ANSI C实现。目前支持Raspberry Pi，Android，iOS，watchOS，Linux， Mac和Windows。


• 可扩展性。它可以同时检测数十个唤醒字，几乎没有额外的CPU /内存占用。


• 开源。您在此存储库中找到的任何内容都是Apache 2.0许可的。

Github 373颗星。由Picovoice提供。

项目：github.com/Picovoice/Porcupine?utm_source=mybridge&utm_medium=blog&utm_campaign=read_more

No.9：NCRF

用神经条件随机场（NCRF）检测癌症转移。

Github 290颗星。由百度深度学习研究院提供。

项目：github.com/baidu-research/NCRF?utm_source=mybridge&utm_medium=blog&utm_campaign=read_more

No.10：DALI

DALI是高度优化的构建块和执行引擎的集合，用于加速深度学习应用程序的输入数据预处理。DALI提供加速不同数据流水线的性能和灵活性，作为单个库，可以轻松集成到不同的深度学习培训和推理应用程序中。

Github 420颗星。由NVIDIA提供。

项目：github.com/NVIDIA/dali?utm_source=mybridge&utm_medium=blog&utm_campaign=read_more