|
翻译&整理：刘小芹 新智元启动新一轮大招聘：COO、执行总编、主编、高级编译、主笔、运营总监、客户经理、咨询总监、行政助理等 9 大岗位全面开放。 简历投递：j[email protected] HR 微信：13552313024 新智元为COO和执行总编提供最高超百万的年薪激励；为骨干员工提供最完整的培训体系、高于业界平均水平的工资和奖金。 加盟新智元，与人工智能业界领袖携手改变世界。 【新智元导读】，本文则根据 GitHub里星标（Star）数多少，整理了排名前16的深度学习应用项目，从风格迁移到生成图说、玩FlappyBird游戏、分辨视频里的不宜内容等，供你参考实践。这份榜单还会持续更新哦~ 在新智元微信公众号回复0114，可下载本文提到的论文合集。 Neural Style Star：12122 Github 地址：https://github.com/jcjohnson/neural-style 这个项目是用 Torch 对 Leon A. Gatys, Alexander S. Ecker, 和 Matthias Bethge 等人的论文“A Neural Algorithm of Artistic Style”的一个实现。论文中提出一种算法，用卷积神经网络将一幅图像的内容与另一幅图像的风格进行组合。下面是一个将梵高《星夜》的艺术风格转移到斯坦福大学校园夜景的照片中的效果：
将不同的艺术风格应用到同样一幅图像中会得出有趣的效果。论文中提供了各种风格的德国宾根大学图像：
Show and Tell: 神经图说生成器 Star：10563 GitHub 地址：https://github.com/tensorflow/models/tree/master/im2txt 这是 Oriol Vinyals et. al.（2016）的论文“Show and Tell: Lessons learned from the 2015 MSCOCO Image Captioning Challenge”的用TensorFlow实现的 image-to-text 图片说明生成模型。 Show and Tell 模型是一个学习如何描述图片的深度神经网络。生成的图片说明是一个完整的句子，下面是一些例子：
RocAlphaGo Star：7734 Github 地址：https://github.com/Rochester-NRT/RocAlphaGo 这个项目是有学生主导的一个独立项目，使用 Python 和 Keras 重新实现了 DeepMind 在2016年发表的论文 "Mastering the game of Go with deep neural networks and tree search"（《用深度神经网络和树搜索学习围棋》）。使用 Python 和 Keras 的这个选择优先考虑了代码清晰度，至少在早期阶段是如此。 这个项目目前仍在进行中，还不是 AlphaGo 的完全实现。项目先期关注 DeepMind AlphaGo 中神经网络的训练方面，而且已经得到论文中的树搜索算法（tree search algorithm）的一个简单单线程的实现，虽然速度上无法与 DeepMind 相比。 Neural Doodle Star：7306 Github 地址：https://github.com/alexjc/neural-doodle
使用深度神经网络把你的二流涂鸦变成艺术一般的作品！这个项目是 Champandard（2016）的论文 “Semantic Style Transfer and Turning Two-Bit Doodles into Fine Artworks”的一个实现，基于 Chuan Li 和 Michael Wand（2016）在论文“Combining Markov Random Fields and Convolutional Neural Networks for Image Synthesis”中提出的 Neural Patches 算法。这篇文章中深入解释了这个项目的动机和灵感来源：https://nucl.ai/blog/neural-doodles/ doodle.py 脚本通过使用1个，2个，3个或4个图像作为输入来生成新的图像，输入的图像数量取决于你希望生成怎样的图像：原始风格及它的注释（annotation），以及带有注释（即你的涂鸦）的目标内容图像（可选）。该算法从带风格图像中提取 annotated patches，然后根据它们匹配的紧密程度用这些 annotated patches 渐进地改变目标图像的风格。 Open Face Star：6072 Github 地址：https://github.com/cmusatyalab/openface
|
