免費開源的多種人工智能項目，比如：訓練一個模型，讓人工智能玩王者榮耀。

全文大綱
PULSE - 該開源項目可以通過給圖片增加像素點來實現去馬賽克或高清化。
Depix - 給打了馬賽克的文字去碼。
TecoGAN - 給視頻去馬賽克或者進行超分辨率。
SkinDeep - 黑科技一鍵去除圖片、視頻中的紋身。
StyleCLIP - AI自動 P圖，見沒見過掃把頭的馬斯克？
polyglot-png - 明明下載的是一張圖片，只需修改后綴名，圖片就變成了一首歌，一串代碼。
ResnetGPT - 教你訓練一個模型，讓人工智能玩王者榮耀。
intelligent-uavpath-planning - 這個項目是一個智能無人機路徑規劃仿真系統。
EssayKiller_V2 - 一個人利用三個月，開發了一個會寫作文的人工智能。
style2paints - 不需要安裝任何環境、做任何配置，下載然后雙擊，就可以給線描圖畫上色。

---

---

PULSE
Github（7k）：https://github.com/adamian98/pulse

PULSE - 該開源項目可以通過給圖片增加像素點來實現去馬賽克或高清化

馬賽克：人類文明進步的絆腳石，宅男的死敵，老司機的噩夢。從馬賽克誕生起，人類和馬賽克的斗爭就從未停止。

對于程序員來說，如果女生問我們最多的問題是：如何裝系統？那么男生問的最多的問題肯定是：咋去除馬賽克。

如果有人問你能不能去除馬賽克？你可以給他肯定的答復：不能，馬賽克是不可逆的。

但是，但是！你可以腦補啊，那玩意看多了，被打碼的地方啥樣，自己心里沒數么？但對于一個正常人來說，我這里說的是正常人啊，即使你閱片無數，給你一個嚴重打碼的美女照片，你也很難腦補出這個美女長啥樣，原因有兩個：

1. 你沒有看過足夠多的美女圖片

2. 你沒有建立 美女馬賽克 到 美女原圖 的聯系

有的小伙伴就說了，我不吃不喝，就只看美女圖片和對應的馬賽克圖。當我看了足夠多，給我一個打碼的美女圖片，我腦海里會不會立馬涌現這個美女長啥樣 ？

妙啊，乍一聽還真有點東西。難道這就是 “心中無碼，便是高清” ？

如圖：

Depix
Github（23.1k）：https://github.com/beurtschipper/Depix

Depix - 給打了馬賽克的文字去碼

如圖：

TecoGAN
Github（5.1k）：https://github.com/thunil/TecoGAN

TecoGAN 給視頻去馬賽克或者進行超分辨率

如圖：

SkinDeep
Github（38.3k）：https://github.com/vijishmadhavan/SkinDeep

SkinDeep - 黑科技一鍵去除圖片、視頻中的紋身

沒想到 GitHub 上真有這個開源項目，一位來自印度的算法研究員 Vijish Madhavan 開源了一個機器學習工具 SkinDeep ，它可以自動去除明星身上的紋身。

我使用這一工具去處理了一些重度紋身的人物照片，效果還不錯。下圖是阿倫 · 艾弗森（美國籃球運動員）的紋身去除前后對比圖。

如圖：

StyleCLIP
Github（3.2k）：https://github.com/orpatashnik/StyleCLIP

StyleCLIP - AI自動 P圖，見沒見過掃把頭的馬斯克？

剛剛這個項目展現了 AI 的強大，效果堪比 PS，接下來這個自動 P 圖的項目才是真的牛逼。

你有沒有想過這樣一個場景，當你對著一張原圖說：幫我 P 一個帥氣的劉海，啪！一個具有帥氣劉海的圖片便自動生成了。

如圖：

polyglot-png
Github（3.2k）：https://github.com/DavidBuchanan314/tweetable-polyglot-png

polyglot-png - 明明下載的是一張圖片，只需修改后綴名，圖片就變成了一首歌，一串代碼

國外黑客David Buchanan利用Twitter的漏洞，可以用圖片偽裝的方式傳輸一份“加密”文件，前提是不超過3MB。

他成功把這種藏匿文件的GitHub源代碼壓縮到圖片中。

現在你只要去他的Twitter，把這張圖片下載下來，并將文件后綴名從.png修改為.zip，即可解壓為Github代碼。

用圖片隱藏壓縮包的原理并不復雜，png圖片文件的格式如下。在Zlib之后，有一片IDAT塊的附加數據。藏匿數據就放在這里。

帶壓縮包的圖片地址：

https://i.imgur.com/kNhGrN3.png

David Buchanan的Twitter：

https://twitter.com/David3141593/status/1371974874856587268

如圖：

ResnetGPT
Github（2.2k）：https://github.com/FengQuanLi/ResnetGPT

ResnetGPT - 教你訓練一個模型，讓人工智能玩王者榮耀.

這個開源項目的實現原理是怎樣的 ？下圖是這個模型的核心代碼，不算難，我一步步的拆解，我盡量用通俗的語言描述這些技術。

讓電腦幫我們玩游戲可以分為如下幾步，當然這種方式是比較容易實現的方式，并不會用到「強化學習」的東西，而屠殺圍棋圈的 AlphaGo 算法是基于強化學習。

1. 獲取當前游戲界面。既英雄現在是什么狀態、周圍有沒有敵方英雄、小兵等等。

2. 根據當前游戲界面狀態生成操作指令，是應該前進、攻擊還是釋放技能。

3. 根據生成的操作指令去控制手機，英雄做出相應的動作。

對于訓練一個平民版的人工智能模型，大體流程就是這樣。其中獲取當前游戲界面、根據指令去控制手機都有成熟的技術。

比如這個項目中使用 scrcpy 獲取安卓手機的投屏，這款安卓投屏神器可以將游戲畫面投屏到電腦桌面上。

有了游戲畫面，就得到了這時戰局的狀況。游戲畫面是圖片的形式，至于這個圖片包含什么內容，人能看明白，但是電腦不懂。

這就需要我們自己去提取圖片中的特征，這里便會用到深度學習算法的東西。基于卷積神經網絡（CNN）來提取圖片的特征，項目中使用的是 ResNet 101 分類網絡。

通過訓練這個卷積神經網絡，該網絡就會具備提取游戲畫面特征的能量，有了這些，算法才能進行下一步操作指令的生成。

如圖：

intelligent-uavpath-planning
Gitee：https://gitee.com/wwy2018/intelligent-uavpath-planning-simulation-system-S

intelligent-uavpath-planning - 這個項目是一個智能無人機路徑規劃仿真系統

這個項目是一個智能無人機路徑規劃仿真系統，具有操作控制精細、平臺整合性強、全方向模型建立與應用自動化等優點。

它以 A、B 兩國在 C 區開展無人機戰爭為背景，該系統的核心功能是通過仿真平臺規劃無人機航線，并進行驗證輸出。數據可導入真實無人機，使其按照規定路線精準抵達戰場任一位置，支持多人多設備編隊聯合行動。

如圖：

EssayKiller_V2
Github(4.9k)：https://github.com/EssayKillerBrain/EssayKiller_V2

EssayKiller_V2 - 一個人利用三個月，開發了一個會寫作文的人工智能

一般來說，高考作文可以通過批量化、模式化的訓練達到一個令人滿意的分數。實際上就是把學生當做一個寫作機器進行訓練，為學生輸入大量范文，提供寫作模式，然后進行長時間的學習。等等，這不是和人工智能的訓練過程相同嗎？

那么，如果給一個人工智能系統同樣的數據，是否可以教會它寫作文呢？

答案是，當然可以。B 站 UP 主 - 圖靈的貓，秉承了心動不如行動的理念，一個人利用三個月，500 個小時，10000 行代碼，200000000 條數據，1700000000 個參數，開發了一個會寫作文的人工智能 - EssayKiller。

如圖：

style2paints
Github：https://github.com/lllyasviel/style2paints

style2paints - 不需要安裝任何環境、做任何配置，下載然后雙擊，就可以給線描圖畫上色。

這個 AI 項目是二次元的福音，雖然他是基于 AI 驅動，但這個項目不需要你安裝任何環境、做任何配置。直接下載，然后雙擊，就可以給一個線描圖畫上色了。

如圖：