優秀的開源項目C_本周AI領域優秀開源項目分享

​01

deepface 适用于Python的輕量級面部分析架構

Deepface是一個輕量級的面部分析架構，包括适用于Python的面部識别和人口統計（年齡，性别，情感和種族）。可以使用幾行代碼來應用面部分析。項目計劃彌合軟體工程和機器學習研究之間的鴻溝。

人臉識别：

現代人臉識别流程包括四個階段：

檢測，對齊，表示和驗證。

Deepface在背景處理所有這些常見階段。人臉識别可以通過不同的模型來處理。目前，deepface支援VGG-Face，Google FaceNet，OpenFace和Facebook DeepFace模型。

預設配置使用VGG-Face模型驗證人臉。可以在驗證時設定基本模型，精度和速度會根據執行模型而有所不同。這些模型實際上找到了人臉的矢量嵌入。

驗證決定基于向量之間的距離。距離可以通過不同的度量标準來找到，例如餘弦相似度，歐氏距離和L2形式。預設配置查找餘弦相似度。也可以設定驗證時的相似性名額。

面部屬性分析：

Deepface還提供面部屬性分析，包括年齡，性别，情感（包括生氣，恐懼，中立，悲傷，厭惡，快樂和驚奇）和種族（包括亞洲，白人，中東，印度，拉丁美洲和黑人）預測。DeepFace界面下的分析功能用于查找人臉。

流和實時分析：

可以為實時視訊運作deepface。DeepFace界面下的調用流功能将通路您的網絡攝像頭，并應用面部識别和面部屬性分析。流功能需要包含人臉圖像的資料庫檔案夾。

VGG-Face是預設的面部識别模型，而餘弦相似度是與驗證功能相似的預設距離度量。該功能開始分析是否可以将臉部連續對焦5幀。然後，顯示結果5秒。

項目位址：

https://github.com/serengil/deepface

02

pytorch-ts 基于PyTorch的機率時間序列預測架構

PyTorchTS是一個PyTorch機率時間序列預測架構，它提供了最新的PyTorch時間序列模型和實用程式GluonTS，用于加載，轉換和回測時間序列資料集。

時間序列預測通常是科學和工程問題的基礎，并且可以進行決策。随着資料集大小的不斷增長，按比例擴大預測的簡單解決方案是假設互動時間序列之間的獨立性。

但是，對統計依存關系進行模組化可以提高準确性，并可以分析互動作用。深度學習方法非常适合此問題，但是多元模型通常采用簡單的參數分布，并且無法擴充到高次元。在這項工作中，通過自回歸深度學習模型對時間序列的多元時間動态模型進行模組化，其中資料分布由條件歸一化流表示。

這種組合保留了自回歸模型的強大功能，例如在未來的推斷中具有良好的性能，并且具有作為通用高維分布模型的流程靈活性，同時保持了計算上的可控制性。

我們展示了它在具有數千個互動時間序列的許多實際資料集上的最新标準名額方面的改進。

請注意，預測是按照機率分布顯示的：陰影區域分别代表以中位數（深綠線）為中心的50％和90％預測間隔。

項目位址：

https://github.com/zalandoresearch/pytorch-ts

03

graphvite 高速大規模嵌入圖形

GraphVite是通用的圖形嵌入引擎，專用于各種應用程式中的高速和大規模嵌入學習。

GraphVite為3種應用程式提供完整的訓練和評估管道：節點嵌入，知識圖嵌入以及圖和高維資料可視化。此外，它還包括9種流行的模型，以及它們在一堆标準資料集中的基準。

GraphVite訓練時間總結，以及對3個應用程式的最佳開源實作。報告的時間始終基于具有24個CPU線程和4個V100 GPU的伺服器。

項目位址：

https://github.com/DeepGraphLearning/graphvite

04

PCDet 基于PyTorch的3D對象點雲檢測工具箱

PCDet是基于PyTorch的通用代碼庫，用于從點雲進行3D對象檢測。

PCDet是基于PyTorch的通用代碼庫，用于從點雲進行3D對象檢測。它目前支援幾種先進的3D對象檢測方法（PointPillar，SECOND，Part-A ^ 2 Net），并具有針對一階段和兩階段架構的高度重構的代碼。

目前支援的功能：

支援一階段和兩階段3D對象檢測架構；

使用多個GPU和多台機器進行分布式教育訓練，大約需要5個小時才能在KITTI上獲得SoTA結果；

清晰的代碼結構可支援更多資料集和方法；

RoI感覺點雲池；

GPU版本3D IoU計算和旋轉NMS；

下表中顯示了受支援的方法。結果是在KITTI資料集的val集上汽車類别的3D檢測性能。所有模型都經過8個GPU教育訓練。

項目位址：

https://github.com/sshaoshuai/PCDet

05

agender 實時估計性别和年齡

這是一個小型示範項目，旨在嘗試測試OpenCV庫，并使用預先訓練的模型來實作即時人臉檢測，年齡和性别估計。

模型選擇：

SSR-Net，具有針對性别和年齡的單獨模型，大小僅為0.32 Mb！與其他模型相比，它們的速度非常快。

Gil Levi和Tal Hassner的No 6模型也是性别和年齡的兩個獨立模型，它們大約43 Mb，是以被開發人員廣泛使用。

項目位址：

https://github.com/diovisgood/agender

AI就業季 開寶箱免費拿VIP年會員 更有200本紙質書，機械鍵盤等海量好禮，來就送！

https://m.julyedu.com/box/boxActive (二維碼自動識别)