近期值得关注的8款AI开源项目 | 本周Github精选

Posted 2021-04-30 PaperWeekly

在碎片化阅读充斥眼球的时代，越来越少的人会去关注每篇论文背后的探索和思考。

在这个栏目里，你会快速 get 每篇精选论文的亮点和痛点，时刻紧跟 AI 前沿成果。

点击本文底部的「阅读原文」即刻加入社区，查看更多最新论文推荐。

这是 PaperDaily 的第  93  篇文章

#基于Keras的机器学习自动化库

Auto Keras 是一个用于自动机器学习的开源框架，让缺乏机器学习背景的领域专家也能轻松使用机器学习工具和各类深度学习模型，其主要功能包括自动设计网络结构和自动调参。

项目链接

https://github.com/jhfjhfj1/autokeras

Pythia

#来自FAIR的模块化VQA框架

Pythia 是由 Facebook AI Research 开发的模块化 VQA 框架。由于 VQA 模型有着标准的设计模式，包括：问题编码，图像特征抽取，带有注意力机制的输入信息融合，答案生成等，因此本项目的长期目标为提供一个易用、可扩展的模块化平台。

项目链接

https://github.com/facebookresearch/pythia

AnyQ

#基于FAQ集合的问答系统

AnyQ (ANswer Your Questions) 开源项目主要包含面向 FAQ 集合的问答系统框架、文本语义匹配工具 SimNet。 

问答系统框架采用了配置化、插件化的设计，各功能均通过插件形式加入，当前共开放了 20+ 种插件。开发者可以使用 AnyQ 系统快速构建和定制适用于特定业务场景的 FAQ 问答系统，并加速迭代和升级。 

SimNet 是百度自然语言处理部于 2013 年自主研发的语义匹配框架，该框架在百度各产品上广泛应用，主要包括 BOW、CNN、RNN、MM-DNN 等核心网络结构形式，同时基于该框架也集成了学术界主流的语义匹配模型，如 MatchPyramid、MV-LSTM、K-NRM 等模型。SimNet 使用 PaddleFluid 和 Tensorflow 实现，可方便实现模型扩展。使用 SimNet 构建出的模型可以便捷的加入 AnyQ 系统中，增强 AnyQ 系统的语义匹配能力。

▲ AnyQ的框架结构

项目链接

https://github.com/baidu/AnyQ

ESPnet

#端到端语音处理工具箱

ESPnet 是一个端到端的语音处理工具箱，主要功能聚焦在端到端语音识别和文本转语音。本项目基于 Chainer 和 PyTorch 作为开发框架。

项目链接

https://github.com/espnet/espnet

CVAT

#免费在线交互式视频和图像标注工具

CVAT 是一款用于计算机视觉的免费在线交互式视频和图像标注工具。OpenCV 团队已用它标注了具有不同属性的数百万个对象，许多 UI 和 UX 决策都基于专业数据标注团队的反馈。

项目链接

https://github.com/opencv/cvat

Metrics for Object Detection

#目标检测评测指标

考虑到在目标检测任务中不同工作采用的评测指标各不相同，无法统一进行比较。本项目提供了易于使用的功能，结合了各大主流目标检测竞赛的评测指标，用户无需将检测模型修改为复杂的输入格式，避免转换为 XML 或 JSON 文件。

项目链接

https://github.com/rafaelpadilla/Object-Detection-Metrics

Torchbearer

#PyTorch模型训练库

Torchbearer 是一个专为研究人员设计的 PyTorch 模型训练库，适合于执行高级自定义操作，方便快速测试一些经典模型在新任务上的表现。

项目链接

https://github.com/ecs-vlc/torchbearer

text2sql-data

#Text2SQL代码、数据集和评测方法

本项目开源了 Text2SQL 的代码、数据集和评测方法，对于一系列领域，该项目提供：

• 带有注释变量的句子

• SQL 查询

• 数据库架构

• 一个数据库

Text2SQL 论文链接：

http://aclweb.org/anthology/P18-1033

项目链接

https://github.com/jkkummerfeld/text2sql-data

点击以下标题查看往期推荐： 

• 
  

关于PaperWeekly

▽ 点击 | 阅读原文 | 加入社区刷论文