开源 Sonnet，可以使 DeepMind 创建的其他模型轻松地与社区共享，DeepMind 表示他们希望开发者社区能够使用 Sonnet 进行自己的研究。Sonnet 被专门设计用于与 TensorFlow 协同工作，不会阻止访问底层细节，如 Tensors 和可变范围等。Sonnet 编写的模型可以与原始的 TensorFlow 代码以及其他高级库中的模型自由混合。

　　Sonnet 将定期更新。

　　16. srez

　　Star：4288（去年 8 月 3951）

　　Github 地址：https://github.com/david-gpu/srez

　　srez（super-resolution through deep learning），即通过深度学习实现图像超分辨率。这个项目是利用深度学习将 16x16 的图像分辨率增加 4 倍，基于用来训练神经网络的数据集，所得到的图像具有鲜明的特征。

　　下图是这个网络所能做到的一个随机、没有特意挑选的示例。从左到右，第一列是 16x16 的输入图像，第二列是利用标准的双三次插值算法（bicubic interpolation）所能得到的结果，第三列是我们的神经网络的结果，然后最右列是原本的真实图像。

　　

　　如你所见，神经网络能够产生与原始的人脸非常相似的图像。由于用于训练的数据集主要由面朝正前方而且光线良好的人脸图像组成，所以当脸的朝向不是正前方、光线不足或脸被眼镜或手遮住了部分时，输出的效果会比较差。

　　17. CycleGAN

　　Star：3773

　　Github 地址：https://github.com/junyanz/CycleGAN

　　由于微信图片上传大小限制，更清晰的图片请到 Github 查看

　　伯克利视觉组的研究，用于学习没有输入-输出对的图像到图像转换（即 pix2pix）的 Torch 实现，例如：

　　

　　此外，另一项相关研究也十分不错：

　　pix2pix

　　Star：2965

　　Github 地址：https://github.com/phillipi/pix2pix

　　18. open_nsfw

　　Star：3338（去年 8 月 3076）

　　Github 地址：https://github.com/yahoo/open_nsfw

　　

　　这是雅虎构建的用于检测图片是否包含不适宜工作场所（NSFW）内容的深度神经网络项目，GitHub 库中包含了网络的 Caffe 模型的代码。检测具有攻击性或成人内容的图像是研究人员进行了几十年的一个难题。随着计算机视觉技术和深度学习的发展，算法已经成熟，雅虎的这个模型能以更高的精度分辨色情图像。

　　由于 NSFW 界定其实是很主观的，有的人反感的东西可能其他人并不觉得如何。雅虎的这个深度神经网络只关注NSFW内容的一种类型，即色情图片，所以该模型不适用于检测素描、文字、动画、暴力图片等内容。

　　19. NeuralTalk2

　　Star：3337（去年 8 月 3010）

　　Github 地址：https://github.com/karpathy/neuraltalk2

　　

　　循环神经网络（RNN）可以用于给图像取标题。NeuralTalk2 比原始版本的 NeuralTalk 更快而且性能更好。与原来的 NeuralTalk 相比，NeuralTalk2 的实现是批量的，可以使用 Torch 在 GPU上运行，并且支持 CNN 微调。这些都使得语言模型（~100x）的训练速度大大加快，但由于我们还有一个 VGGNet，因此总体上的提升没有很多。但是这仍然是个好模型，可以在 2~3 天里训练好，而且表现出的性能非常好。

　　Google Brain 2016年9月22日发布了 Vinyals et al.（2015）的图说模型（前文介绍的Show and Tell 模型）。它的核心模型与 NeuralTalk2（一个CNN后面跟着RNN）非常相似，但由于 Google 有更好的CNN，加上一些小技巧和更细致的工程，Google 发布的模型应该比 NeuralTalk2 的效果更好。这个项目里用 Torch 实现的代码将作为教育目的保留。

　　20. Colornet

　　Star：3093（去年 8 月 2956）

　　Github 地址：https://github.com/pavelgonchar/colornet

　　

　　Colornet 是一个给灰度图像自动上色的神经网络。效果如上图所示。

　　以下则为上次入选，这次却没有进入TOP20 的项目（Star 低于 2000 的项目就不纳入统计了）：

　　image-analogies

　　Star：2893（去年 8 月 2769）

　　GitHub 地址：https://github.com/awentzonline/image-analogies

　　

　　“神经图像类比”（neural image analogies）这个项目基本上是 A. Hertzmann et. al（2001）的论文“Image Analogies”的一个实现。在这个项目中，我们使用了 VGG16 的特征，利用 Chuan Li, Michael Wand (2016) 的论文“Combining Markov Random Fields and Convolutional Neural Networks for Image Synthesis”中描述的方法进行patch的匹配和混合。初始代码改编自 Keras 的“神经风格迁移”示例。

　　DeepLearningFlappyBird

　　Star：2866（去年 8 月 2143）

　　Github 地址：https://github.com/yenchenlin/DeepLearningFlappyBird

　　这个项目使用深度Q网络（Deep Q-Network，DQN）学习玩 Flappy Bird 游戏。

　　只能说，FlappyBird 的风潮已经过去了……

　　这个项目灵感来自使用深度增强学习玩 Atari 游戏（Mnih, Volodymyr, et al. "Playing atari with deep reinforcement learning." 2013），论文中提出深度Q学习算法（Deep Q Learning algorithm），我们发现这个算法可以推广到 Flappy Bird 游戏上。

转载请注明出处。