2018 年 4 月の最も人気のある AI 機械学習プロジェクト トップ 5

データサイエンスと機械学習に関しては、GitHub と Reddit が最も人気のある 2 つのプラットフォームです。前者はコードやプロジェクトを共有したり共同作業したりするための優れたツールであり、後者は世界中のデータサイエンス愛好家とコミュニケーションをとるための優れたプラットフォームです。

毎月、GitHub で最も人気のあるデータ サイエンスと機械学習のライブラリをレビューしています。今月リストに載ったライブラリを見てみましょう。

1. 深い絵画的調和

画像を操作して実際の画像のように見せる技術は、古くから存在しています。しかし、ディープラーニングを通じてそれを実現する方が、より効率的で現実的です。開発者たちは、絵画を作成するためのアルゴリズムを考案しました。それは、画像に外部要素を追加して、それを画像と融合させ、元の絵画スタイルとほぼ同じように見せるというものです。

上の画像に示すように、右から 3 番目が最終出力です。最初の 2 つの画像がなければ、バルーンが外部から挿入されたオブジェクトであることを区別できない可能性があります。このアルゴリズムは、写真合成やグローバル スタイル化技術よりも正確な結果を生成し、これまで実現が非常に困難であったレベルの処理を可能にします。 (プロジェクトアドレス: https://github.com/luanfujun/deep-painterly-harmonization)

2. TensorFlow 用の Swift

Swift for TensorFlow は、先月の TensorFlow Developer Summit で初めてデモされました。 Swift for TensorFlow は、TensorFlow の新しいプログラミング モデルを提供し、新しい設計の機会と既存の問題を解決する新しい方法を生み出します。

Swift for TensorFlow は、グラフのパフォーマンス、Eager Execution の柔軟性と表現力を組み合わせ、スタック内の各レイヤーの使いやすさの向上に重点を置いていると報告されています。ただし、このプロジェクトはまだ初期段階であるため、ディープラーニング モデルを作成する準備はまだ整っていません。さらに関連情報を見るにはクリックしてください: 「Python を放棄してもいいですか? Google が TensorFlow 向け Swift をオープンソース化」

3. ムニット

コーネル大学の研究チームは、画像をある領域から別の領域に変換するためのマルチモーダル教師なし画像間変換問題 (MUNIT) フレームワークの標準フレームワークを提案しました。簡単に言えば、画像を取得して、そこから新しい画像を生成します (たとえば、犬の画像を猫の画像に変換する)。

既存の方法では、特定の画像に対して 1 対 1 のマッピングしか実現できないため、1 つの画像に対して複数の異なる出力結果を生成することはできません。 MUNIT のもう 1 つの魅力的な機能は、1 つの画像に対して複数の出力を提供できることです。 (プロジェクトアドレス: https://github.com/NVlabs/MUNIT)

4. グルーオンNLP

GluonNLP は、NLP 分野の最新のディープラーニング モデルの実装を提供し、テキスト データ パイプラインとモデル用のモジュールを確立します。設計面では、エンジニア、研究者、学生が研究アイデアを迅速に実現し、製品のプロトタイプを作成できるように設計されています。

リポジトリには、ライブラリの使用方法の詳細な例が記載された優れたドキュメントがあります。接着剤初心者向けに、60 分間の集中講座も用意されています。 (プロジェクトアドレス: https://github.com/dmlc/gluon-nlp)

5. PyTorch GAN

これは、研究論文で紹介された GAN (Generative Adversarial Networks) の PyTorch 実装のコレクションです。現在、リポジトリには 24 種類の異なる実装がリストされており、それぞれが独自の方法で知識を増やしています。リストには、Adversarial Autoencoders、CycleGAN、Least Squares GAN、Pix2Pix などの実装が含まれています。 (プロジェクトアドレス: https://github.com/eriklindernoren/PyTorch-GAN)