机器学习文章精选：2020年3月的案例，指南和研究

似乎没有任何一篇文章不能不提及冠状病毒，并且该收藏集也不例外。

自1月底以来，提及COVID-19的开放存储库数量已达数百个。您可以在其中找到数据集，模型和可视化。

关于使用机器学习算法来对抗COVID-19传播的出版物很多，但是很少有出版物让您熟悉源代码。

此类材料未包括在选择中，因为与前两个问题一样，此处已收集了旨在降低进入ML领域门槛的出版物。人们将更多注意力放在了将复杂模型的行为抽象为高级API的工具上，这些API现在就可以开始应用。

与COVID-19相关的蛋白质结构的计算预测

Google DeepMind发表了有关预测病毒蛋白结构的研究结果。为此，使用了开源DNN AlphaFold。此信息可能对开发新药有用。但是，正如DeepMind在其网站上明确指出的那样，该数据尚未经过实验验证，因此无法确定结构的准确性。

通过胸部X光检查确定COVID-19的机器学习技术COVID-CXR

的创造者之一讲述如何开始使用机器学习来使用胸部X射线预测严重的冠状病毒感染病例。里面有关于如何准备数据集，进行预处理和进行模型训练的说明。重点放在解释神经网络做出的预测上。说明由两个相关的图像组成。区域以绿色或红色突出显示，以指示对预测有贡献的区域。

现在可以使用5个COVID-19数据集，

您可以在这里找到患者数据，地理分布数据，甚至可以选择数百万条提及该病毒的推文。

与冠状病毒无关的其他材料

实时面部和手部跟踪

Google Research引入了两种轻巧的工具，这些工具可以在浏览器中完全使用。因此，数据不会离开用户设备，从而确保其安全性。

Facemesh从图像或视频流中得出脸部表面的近似三维几何形状，这意味着它可以与没有深度传感器（demo）的常规相机一起使用。

Handpose识别视频流中的手，并根据二十一个地标（手指和手掌关节）确定手各部分的位置（演示）。

这些工具的进一步发展将使我们能够识别情绪和手势，并有可能改变我们与Internet上的内容进行交互的方式。

体积物体的实时识别

大多数物体识别研究都专注于预测二维物体，而3D预测则开辟了从无人驾驶汽车到增强现实的广泛应用。

开源框架Mediapipe的创建者引入了新的Objectron工具，该工具可在移动设备上实时计算对象的三维边界框。现在，您可以在经过训练可识别椅子和鞋子的模型上测试移动应用程序。在使用 基于Tensorflow.js 的浏览器中使用BERT时，本文的作者基于MobileBERT问答模型创建了Chrome扩展程序



，其工作方式类似于页面搜索，不同之处在于您可以提出问题，而扩展程序会尝试找到问题的答案。

例如，在一篇有关螃蟹的文章中，作者提出了一个问题：“螃蟹如何移动”，算法突出显示了文本“通常螃蟹向侧面移动”的一部分。在烤宽面条食谱的页面上，作者问烤多长时间，得到了答案：25分钟。

还给出了不太成功的示例，但是使用此模型的潜力已经可见。



就这样，谢谢收看！