当我去年初开始使用 GitHub 时，从未想过它会对我有多大用处。最初我只使用它来上传我自己的代码，本以为这就是 GitHub 最大的用处了。但是当我加入 Analytics Vidhya 并且扩大研究范围时，真正地为这个平台的强大而着迷。
除了允许我访问谷歌，微软，NVIDIA，Facebook 等顶级公司的开源代码和项目外，它还开辟了与其他机器学习爱好者合作开展现有项目的途径。不得不说为别人的项目做出贡献是多么的令人惊奇，这是一种与众不同的感觉。当然，我写了这个月刊系列，也是希望读者能发现这对自己的工作有益。
这个月的文章包含一些非常好的资源库。一个 NVIDIA 的项目，处理视频之间的翻译，这是一个小巧优雅的 Google 资源库，使强化学习比以前更容易，此外还介绍了一个有用的自动目标检测库。接下来还有大量的信息，包括了一个有趣的 R 软件包。
NVIDIA 的 vid2vid 技术
项目地址：https://github.com/NVIDIA/vid2vid
尽管在图像到图像转换领域已经取得了巨大的进步，然而到目前为止，视频处理领域近来很少见到突破。
NVIDIA 在深度学习进行图像和视频处理方面已经处于领先地位，它公开了一项可以进行视频到视频的翻译技术，结果是令人兴奋的。他们在 GitHub 上公开了他们的代码，因此任何人都可以立即开始使用这种技术。该代码用 PyTorch 实现视频翻译，你可以用它来：
将语义标签转换为逼真的真实世界视频
从边缘图开始生成多个输出用来合成人体图像
从给定的姿态生成人体（不仅仅是结构，而是整个身体！）
在这里（https://www.analyticsvidhya.com/blog/2018/08/nvidia-open-sourced-video-to-video-translation-pytorch/ ）可以查看我们对此资源库的报道。
来自谷歌的 Dopamine
项目地址：https://github.com/google/dopamine
如果您在强化学习领域工作或研究过，应该了解直接套用现有的方法有多困难（但不是不可能）。Dopamine 是一个 TensorFlow 框架，已经被创建并开源，希望加速该领域的进展并使其更加灵活和可重复。
如果你一直想学习强化学习，但又害怕它很复杂，那么这个资源库就是一个千载难逢的机会。该代码仅提供 15 个 Python 文件，随附详细文档和免费数据集！
您还可以点击 这里 阅读 AI 前线对此资源库的报道。
自动化目标检测
项目地址：https://github.com/yaksoy/SemanticSoftSegmentation
目标检测在深度学习社区中蓬勃发展，但对于新手来说这可能是一项艰巨的挑战。要映射多少像素和帧？如何提高一个非常基本的模型的准确性？你甚至从哪里开始？现在不需要为此烦恼太多了——多亏了麻省理工学院的算法，它能够以惊人的精度自动进行物体检测。
他们的方法被称为“语义软分割（SSS）”。什么事情会需要专家？比如 10 分钟的手动编辑，现在可以在几秒钟内完成！上面的图片很好地说明了该算法的工作原理，以及在机器上实现它时的外观。
在此处（https://www.analyticsvidhya.com/blog/2018/08/mits-open-source-algorithm-automates-object-detection-images/）可以更详细地查看对此技术的报道。
人体姿态估计
项目地址：https://github.com/Microsoft/human-pose-estimation.pytorch
姿态估计今年引起了研究人员的极大兴趣，麻省理工学院等出版物发表的研究标志着该领域的进展。从帮助老年人获得正确的治疗到商业应用，比如虚拟人体舞蹈，姿态估计有望成为商业上的下一个最佳选择。
这个资源库将微软一篇流行论文的 PyTorch 实现——人体姿态估计和跟踪的简单基准（https://arxiv.org/abs/1804.06208 ）。他们提供了足够好的基准模型和参照，有望激发这一研究领域新的思路。
Chorrrds
项目地址：https://github.com/r-music/chorrrds
这个工具适用于所有 R 的用户。我们通常用 CRAN 来下载 R 软件包，我个人觉得不需要去 GitHub 网站下载它，这是一个我觉得非常有趣的软件包。Chorrrds 可帮助您提取、分析和组织音乐和弦。它甚至预先加载了几个音乐数据集。
实际上可以直接从 CRAN 安装它，或使用 devtools 包通过 GitHub 下载它。在这篇文章（https://www.analyticsvidhya.com/blog/2018/08/chorrrds-r-package-analyzing-working-music-data/ ）中可以了解更多如何做到这一点的信息，以及更多的细节。
