25 Apr 2020 Scott Nesbitt (Correspondent) Feed 4up
在本期的開源新聞合集中，我們來看看Mapzen的重生，兩個支持PyTorch的新項目以及新的開放源碼對象檢測軟件!
Mapzen捲土重來雖然它的技術被如OpenStreetMap等開源項目和Foursquare等公司使用，但開源地圖公司Mapzen卻無法保持運營自己的業務。Mapzen最初在2018年關門，但在Linux基金會的支持下，它獲得了新生。
作為城市計算基金會(UCF)的一個項目，Mapzen 包括六個獨立的項目和社區，參與開發一個真正開放的地圖、搜索、導航和數據交換平台。在UCF的保護下，Mapzen的開發人員可以合作並構建一套通用的開源工具，將城市、自動駕駛汽車和智能基礎設施連接起來。他們也可以向UCF成員尋求支持，如谷歌、IBM和加州大學聖地亞哥分校。Mapzen項目可以通過他們的GitHub Organization獲得。
支持PyTorch的新開源項目源自Facebook的開源機器學習框架PyTorch最近得到了其創建者和AWS的大力支持。這兩家公司已經發布了支持PyTorch的開源項目。
Facebook正在共享TorchServer，一個為PyTorch提供模型服務的框架，它將使開發人員能夠更容易地將他們的模型投入生產。AWS的貢獻則是TorchElastic，一個使開發人員能夠更容易在Kubernetes集羣上構建容錯訓練作業的庫。PyTorch的產品經理Joe Spisak告訴VentureBeat，通過使用這兩個項目，開發人員可以“在多個節點上運行訓練，而且節點下線不會導致訓練作業失敗，它會繼續正常運行，一旦這些節點恢復正常，它就可以重新開始訓練了。”
您可以在GitHub上找到TorchServe和TorchElastic的代碼。
微軟和華中大學聯合發佈了對象檢測AI人工智能系統面臨的一個更困難的任務是如何準確地探測和識別照片和視頻中的物體。來自微軟和中國華中科技大學的研究人員發佈了一個開源工具，它可以快速有效地完成這項工作。
該工具被稱為Fair Multi-Object Tracking(簡稱FairMOT)。它在公共數據集上以每秒30幀的速度(幾乎是正常的視頻幀率)的強有力的表現超過了目前最先進的模型。研究人員花了大約30個小時，用MOT Challenge上的數據來訓練軟件，MOT Challenge是一個驗證人形跟蹤算法的框架”。FairMOT的團隊認為，該工具可以用於從老年人護理到安全監控的各個行業，也許還可以用於跟蹤疾病的傳播，比如COVID-19。
您可以在GitHub倉庫中查看FairMOT的源代碼和訓練模型。