在这篇文章中，我们列出了一些令人敬畏的计算机视觉GitHub库，希望这些库能激励所有的AI开发者们像这样去构建自己的项目。
计算机视觉GitHub知识库
1、使用CNN进行三维人脸重建(★–4.1k)
这个GitHub存储库有一个项目，其中卷积神经网络用于使用2D图像重建3D人脸模型。这是一个全面的存储库，我们可以选择使用不同的语言(如MATLAB、Python等)来使用这个模型。为了使它更有趣，我们甚至可以使用我们自己的图像或我们自己的例子，并在这个模型上测试它们。
2、实时多人位姿估计与跟踪系统 ( ★–4k ）
这种实时多人位姿估计跟踪系统称为AlphaPose。这个系统基本上是一种实时绘制个人运动的方法。除此之外，它还可以估计个人会做出的姿势。同样，这个存储库可以帮助理解关于这种系统如何工作的更深刻的见解。这也可以成为构建利用这种姿态估计和跟踪能力的软件的起点。
3、使用深度神经网络对照片进行自动着色(★–2.3k ）
另一个有趣的计算机视觉项目是使用深层神经网络对黑白照片进行着色。这个计算机视觉GitHub存储库在Jupyter笔记本中包含python代码，使其易于理解。除此之外，还有丰富的图像数据集，用于训练和测试为此任务构建的模型。
4、使用生成神经网络编辑自然照片(★–1.9k）
这个存储库是研究论文“带有内省对抗网络的神经照片编辑”的代码host。这个项目包括一个简单的界面，我们可以使用生成神经网络编辑自然照片。当前版本与python 2.7版本兼容，与python最新版本仍有一些不一致之处。
5、用于图像识别的卷积递归神经网络(★–1.7k）
这是一个非常有趣的GitHub库，在这里你可以使用卷积递归神经网络构建一个图像识别系统。该项目在建筑场景文本识别和光学字符识别方面也很有用。存储库包含用于培训和测试目的的数据集，此外还有演示示例。
6、使用生成对抗网络的图像去除模糊(★–7.8k）
很多时候我们会因为模糊的图像而烦恼，这个GitHub库有一个解决方案。这篇题为“去模糊”的论文的PyTorch实现基本上采用模糊图像作为输入，并使用生成对抗网络产生输入的清晰图像。同样，这个存储库有完整的源代码和不同种类的数据集，它们可以帮助您更好地理解和适当地测试所构建的模型。
7、绘画人工智能——深度强化学习模型，使用笔画生成绘画(★–1.7k）
绘画AI GitHub库包含一个基于深度强化学习的模型，该模型教机器通过使用更少的笔画来绘制人类绘画的图片。由于它是基于强化学习，该项目不需要数据用于培训目的。特工们像人类一样自学绘画。我强烈建议你去看看这个仓库，并尝试一下。
8、读懂唇语–使用3D架构的交叉视听识别(★–1.4k）
唇读是一个计算机视觉项目，旨在解决音频和视频流中遇到的问题。该项目使用视听识别来映射音频和视频。所有这些都是使用3D卷积神经网络架构进行映射操作实现的。这个仓库肯定有助于建立模型，打击假视频和其他此类不当行为。
9、快速绘图–交互式绘图识别工具(★–677）
Quickdraw是一个计算机视觉项目，可用于识别使用钢笔绘制的一组对象(类似的对象)。通过个人电脑的网络摄像头识别图形，然后模型试图从它被训练识别的对象列表中预测对象。Quickdraw基本上是谷歌开发的网络游戏。这个项目的另一个版本是识别在画布上绘制的项目。
10、使用一阶运动模型的图像动画(★–3.9k）
这是一个非常惊人的计算机视觉GitHub项目，在这里我们可以用我们自己的脸作为模拟物，从视频或图像中制作人脸动画。该模型拍摄驾驶视频，并将其运动映射到静态图像上，以使运动看起来真实。同样的概念也适用于时尚数据集。
11、Fashion MNIST ( ★–7.8k）
这个GitHub存储库由人们穿的不同种类的衣服的图像组成。该存储库有一个包含60，000个图像的训练集和一个包含10，000个图像的测试集。每个图像都是28×28的灰度图像。它包含使用可用数据集构建的模型。通常，这个存储库也有助于通过在数据集上使用它来验证您自己的机器学习算法。这是一个初学者友好的数据集，因此他们可以从这个存储库中获得对计算机视觉项目的感受。
12、酷炫的计算机视觉项目 Cool Computer Vision Projects ( ★–37）
该库包含许多有趣的计算机视觉项目，如人脸识别、数字识别、面部表情检测、对象检测、对象跟踪等。通过这个库，你可以了解一些非常酷的计算机视觉的东西。你可以从这些项目中获得灵感，或者添加扩展它们的功能。这将真正有助于学习很多东西，并增加你的个人项目经验。
13、中级计算机视觉项目 Intermediate Level Computer Vision Projects**(★–13）**
这是另一个有用的GitHub库，它有多个计算机视觉项目，如手势识别、人脸识别、基于内容的图像检索等。这些是中级水平的好项目，将有助于提高你的计算机视觉领域的经验。
结论
在这篇文章中，我们看到了许多计算机视觉项目的GitHub库来启发你。我们希望它能帮助你创建自己的计算机视觉项目，让别人大吃一惊，并提高你的学习经历。