在這篇文章中，我們列出了一些令人敬畏的計算機視覺GitHub庫，希望這些庫能激勵所有的AI開發者們像這樣去構建自己的專案。
計算機視覺GitHub知識庫
1、使用CNN進行三維人臉重建(★–4.1k)
這個GitHub儲存庫有一個專案，其中卷積神經網路用於使用2D影像重建3D人臉模型。這是一個全面的儲存庫，我們可以選擇使用不同的語言(如MATLAB、Python等)來使用這個模型。為了使它更有趣，我們甚至可以使用我們自己的影像或我們自己的例子，並在這個模型上測試它們。
2、實時多人位姿估計與跟蹤系統 ( ★–4k ）
這種實時多人位姿估計跟蹤系統稱為AlphaPose。這個系統基本上是一種實時繪製個人運動的方法。除此之外，它還可以估計個人會做出的姿勢。同樣，這個儲存庫可以幫助理解關於這種系統如何工作的更深刻的見解。這也可以成為構建利用這種姿態估計和跟蹤能力的軟體的起點。
3、使用深度神經網路對照片進行自動著色(★–2.3k ）
另一個有趣的計算機視覺專案是使用深層神經網路對黑白照片進行著色。這個計算機視覺GitHub儲存庫在Jupyter筆記本中包含python程式碼，使其易於理解。除此之外，還有豐富的影像資料集，用於訓練和測試為此任務構建的模型。
4、使用生成神經網路編輯自然照片(★–1.9k）
這個儲存庫是研究論文“帶有內省對抗網路的神經照片編輯”的程式碼host。這個專案包括一個簡單的介面，我們可以使用生成神經網路編輯自然照片。當前版本與python 2.7版本相容，與python最新版本仍有一些不一致之處。
5、用於影像識別的卷積遞迴神經網路(★–1.7k）
這是一個非常有趣的GitHub庫，在這裡你可以使用卷積遞迴神經網路構建一個影像識別系統。該專案在建築場景文字識別和光學字元識別方面也很有用。儲存庫包含用於培訓和測試目的的資料集，此外還有演示示例。
6、使用生成對抗網路的影像去除模糊(★–7.8k）
很多時候我們會因為模糊的影像而煩惱，這個GitHub庫有一個解決方案。這篇題為“去模糊”的論文的PyTorch實現基本上採用模糊影像作為輸入，並使用生成對抗網路產生輸入的清晰影像。同樣，這個儲存庫有完整的原始碼和不同種類的資料集，它們可以幫助您更好地理解和適當地測試所構建的模型。
7、繪畫人工智慧——深度強化學習模型，使用筆畫生成繪畫(★–1.7k）
繪畫AI GitHub庫包含一個基於深度強化學習的模型，該模型教機器通過使用更少的筆畫來繪製人類繪畫的圖片。由於它是基於強化學習，該專案不需要資料用於培訓目的。特工們像人類一樣自學繪畫。我強烈建議你去看看這個倉庫，並嘗試一下。
8、讀懂脣語–使用3D架構的交叉視聽識別(★–1.4k）
脣讀是一個計算機視覺專案，旨在解決音訊和視訊流中遇到的問題。該專案使用視聽識別來對映音訊和視訊。所有這些都是使用3D卷積神經網路架構進行對映操作實現的。這個倉庫肯定有助於建立模型，打擊假視訊和其他此類不當行為。
9、快速繪圖–互動式繪圖識別工具(★–677）
Quickdraw是一個計算機視覺專案，可用於識別使用鋼筆繪製的一組物件(類似的物件)。通過個人電腦的網路攝像頭識別圖形，然後模型試圖從它被訓練識別的物件列表中預測物件。Quickdraw基本上是谷歌開發的網路遊戲。這個專案的另一個版本是識別在畫布上繪製的專案。
10、使用一階運動模型的影像動畫(★–3.9k）
這是一個非常驚人的計算機視覺GitHub專案，在這裡我們可以用我們自己的臉作為模擬物，從視訊或影像中製作人臉動畫。該模型拍攝駕駛視訊，並將其運動對映到靜態影像上，以使運動看起來真實。同樣的概念也適用於時尚資料集。
11、Fashion MNIST ( ★–7.8k）
這個GitHub儲存庫由人們穿的不同種類的衣服的影像組成。該儲存庫有一個包含60，000個影像的訓練集和一個包含10，000個影像的測試集。每個影像都是28×28的灰度影像。它包含使用可用資料集構建的模型。通常，這個儲存庫也有助於通過在資料集上使用它來驗證您自己的機器學習演算法。這是一個初學者友好的資料集，因此他們可以從這個儲存庫中獲得對計算機視覺專案的感受。
12、酷炫的計算機視覺專案 Cool Computer Vision Projects ( ★–37）
該庫包含許多有趣的計算機視覺專案，如人臉識別、數字識別、面部表情檢測、物件檢測、物件跟蹤等。通過這個庫，你可以瞭解一些非常酷的計算機視覺的東西。你可以從這些專案中獲得靈感，或者新增擴充套件它們的功能。這將真正有助於學習很多東西，並增加你的個人專案經驗。
13、中級計算機視覺專案 Intermediate Level Computer Vision Projects**(★–13）**
這是另一個有用的GitHub庫，它有多個計算機視覺專案，如手勢識別、人臉識別、基於內容的影像檢索等。這些是中級水平的好專案，將有助於提高你的計算機視覺領域的經驗。
結論
在這篇文章中，我們看到了許多計算機視覺專案的GitHub庫來啟發你。我們希望它能幫助你建立自己的計算機視覺專案，讓別人大吃一驚，並提高你的學習經歷。