在过去的一个月里，我们将近250个机器学习开源项目排名，选出前10。

在此期间，我们将项目与新的或主要版本进行了比较。Mybridge AI根据各种因素对项目进行排名，以衡量专业人员的质量。

• 所有项目在Github上平均评星为919


• 主题：Auto Keras，Glow，Video to Video，机器翻译，舞蹈生成器，足球视频转换到3D，垃圾邮件过滤，语音识别，图像生成，面部操作

1.Auto Keras

一个用于自动机器学习的开源软件库。由Texas A＆M大学的DATA实验室和社区贡献者开发。AutoML的最终目标是为具有有限数据科学或机器学习背景的领域专家提供易于访问的深度学习工具。Auto Keras提供自动搜索深度学习模型的架构和超参数的功能。

Github评星2637。

项目：github.com/jhfjhfj1/autokeras?utm_source=mybridge&utm_medium=blog&utm_campaign=read_more

2.Glow

一种使用可逆1x1卷积的可逆生成模型。它扩展了以前的工作可逆生成模型，简化架构。我们的模型可以生成逼真的高分辨率图像，支持高效采样，并发现可用于操纵数据属性的功能。由OpenAI提供。



Github评星1664。

项目：github.com/openai/glow?utm_source=mybridge&utm_medium=blog&utm_campaign=read_more

3.Vid2vid

Pytorch实现了高分辨率（例如，2048x1024）的逼真的视频到视频转换。它可用于将语义标签贴图转换为照片般逼真的视频。由NVIDIA AI提供。



Github评星1797。

项目：github.com/NVIDIA/vid2vid?utm_source=mybridge&utm_medium=blog&utm_campaign=read_more

4.UnsupervisedMT

该存储库包含在基于短语和神经无监督机器翻译（EMNLP 2018）中呈现的无监督PBSMT和NMT模型的原始实现。由Facebook Research提供。



Github评星409。

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

5.DanceNet

使用自动编码器，LSTM和混合密度网络的舞蹈发生器。由Jaison Saji提供。

Github评星282。

项目：github.com/jsn5/dancenet?utm_source=mybridge&utm_medium=blog&utm_campaign=read_more

6.Soccerontable

将YouTube足球视频转换为3D格式以便在AR / VR设备中观看。使用OpenCV在桌面上显示。由Konstantinos Rematas提供。

Github评星247。

项目：github.com/krematas/soccerontable?utm_source=mybridge&utm_medium=blog&utm_campaign=read_more

7.Artificial-adversary

该库允许用户使用相似的外观替换字符，删除或添加标点符号和间距，以及用文字交换字母等方法生成文本，并在您的机器学习模型上模拟这些类型的攻击。通过离线将模型暴露给这些文本，当你在在线设置中遇到它们时，你将能够更好地为它们做好准备。与其他库相比，这个库的不同之处在于它将模型视为黑盒子，并且仅使用不依赖于模型本身知识的通用攻击。由AirbnbEng提供。

Github评星155。

项目：github.com/airbnb/artificial-adversary?utm_source=mybridge&utm_medium=blog&utm_campaign=read_more

8.Stt-benchmark

这是一个用于对不同语音到文本引擎进行基准测试的极简主义和可扩展框架。它已经在Ubuntu 18.04上用Python3.6开发和测试。由Picovoice提供。

Github评星294。

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

9.Sg2im

这是“从场景图生成图像”的代码。场景图是视觉场景的结构化表示，其中节点表示场景中的对象，边表示对象之间的关系。由谷歌开源提供。



Github评星670。

项目：github.com/google/sg2im?utm_source=mybridge&utm_medium=blog&utm_campaign=read_more

10.GANimation

在这项工作中引入了一种基于动作单元（AU）注释的新型GAN调节方案，该方案在连续流形中描述了定义人类表达的解剖学面部运动。此方法允许控制每个AU的激活幅度并将它们中的几个进行组合。由Albert Pumarola提供。

Github评星344。

项目：github.com/albertpumarola/GANimation?utm_source=mybridge&utm_medium=blog&utm_campaign=read_more