Mapzen重生，新项目支持PyTorch，快速AI对象检测，其它开源新闻
摘要：在本期的开源新闻合集中，我们来看看Mapzen的重生，两个支持PyTorch的新项目以及新的开放源码对象检测软件。这两家公司已经发布了支持PyTorch的开源项目。
25 Apr 2020 Scott Nesbitt (Correspondent) Feed 4up
在本期的开源新闻合集中，我们来看看Mapzen的重生，两个支持PyTorch的新项目以及新的开放源码对象检测软件!
Mapzen卷土重来虽然它的技术被如OpenStreetMap等开源项目和Foursquare等公司使用，但开源地图公司Mapzen却无法保持运营自己的业务。Mapzen最初在2018年关门，但在Linux基金会的支持下，它获得了新生。
作为城市计算基金会(UCF)的一个项目，Mapzen 包括六个独立的项目和社区，参与开发一个真正开放的地图、搜索、导航和数据交换平台。在UCF的保护下，Mapzen的开发人员可以合作并构建一套通用的开源工具，将城市、自动驾驶汽车和智能基础设施连接起来。他们也可以向UCF成员寻求支持，如谷歌、IBM和加州大学圣地亚哥分校。Mapzen项目可以通过他们的GitHub Organization获得。
支持PyTorch的新开源项目源自Facebook的开源机器学习框架PyTorch最近得到了其创建者和AWS的大力支持。这两家公司已经发布了支持PyTorch的开源项目。
Facebook正在共享TorchServer，一个为PyTorch提供模型服务的框架，它将使开发人员能够更容易地将他们的模型投入生产。AWS的贡献则是TorchElastic，一个使开发人员能够更容易在Kubernetes集群上构建容错训练作业的库。PyTorch的产品经理Joe Spisak告诉VentureBeat，通过使用这两个项目，开发人员可以“在多个节点上运行训练，而且节点下线不会导致训练作业失败，它会继续正常运行，一旦这些节点恢复正常，它就可以重新开始训练了。”
您可以在GitHub上找到TorchServe和TorchElastic的代码。
微软和华中大学联合发布了对象检测AI人工智能系统面临的一个更困难的任务是如何准确地探测和识别照片和视频中的物体。来自微软和中国华中科技大学的研究人员发布了一个开源工具，它可以快速有效地完成这项工作。
该工具被称为Fair Multi-Object Tracking(简称FairMOT)。它在公共数据集上以每秒30帧的速度(几乎是正常的视频帧率)的强有力的表现超过了目前最先进的模型。研究人员花了大约30个小时，用MOT Challenge上的数据来训练软件，MOT Challenge是一个验证人形跟踪算法的框架”。FairMOT的团队认为，该工具可以用于从老年人护理到安全监控的各个行业，也许还可以用于跟踪疾病的传播，比如COVID-19。
您可以在GitHub仓库中查看FairMOT的源代码和训练模型。
