用深度学习玩「英雄联盟」；Facebook 开源物体检测平台

雷锋网 AI 研习社按：本期雷锋网 AI 研习社为开发者搜罗了三个项目，用深度学习玩 LOL，Facebook 开源的物理检测平台 Detectron 以及无人机城市环境导航学习工具 DroNet，对这三个领域感兴趣的开发者可以关注。另外，如果你对自己的 AI 项目有足够的自信，同时也希望更多的开发者参与到你的项目中，欢迎将项目的 Github 链接发给雷锋网 (公众号：雷锋网) AI 研习社公众号（okweiwu），说不定下一期推荐的就是你的项目

DeepLeague：「英雄联盟LoL」深度学习

Github： https://github.com/farzaa/DeepLeague

DeepLeague 是一个将深度学习、CV、LOL 结合的算法和数据集，是作者 Farzaa 在无聊时花了五天的时间完成的开源项目。DeepLeague 使用了超过 100K 张标注图片来训练，并且所有的数据均来自正规比赛。

通过分析比赛小地图中英雄的名称、坐标、路径、战绩等信息，DeepLeague 可推断出蹲草丛、打野、团战、打大龙的最佳时机。另外，如果你把 Faker 的 VOD 输入该系统，DeepLeague 还能学习他的打法和技巧。

Detectron：Facebook 开源的顶级物体检测研究平台

Github： https://github.com/facebookresearch/Detectron

Detectron 是 Facebook 开源的顶级物体检测研究平台， 项目最初开始于 2016 年 7 月，当时的目的是在 Caffe2 的基础上建立一个快速、灵活的物体检测系统，内部开发过程也就从此开始。经过一年半的开发之后，代码库已经成熟了，而且其中集成了许多 Facebook 自己的研究项目，包括在 ICCV 2017 上获得最佳论文奖（马尔奖）的《Mask R-CNN》和获得最佳学生论文奖的《检测密集物体时的焦距损失》两篇论文中的算法，以及更早更广泛使用的 R-CNN 算法家族等。

关于 Detectron 的详细介绍，请查看 雷锋网此前的报道 。

DroNet：无人机城市环境导航策略学习

Github： https://github.com/uzh-rpg/rpg_public_dronet

无人机在城市街道上飞行很容易导致危险的事故，DroNet 可以让无人机学会像汽车那样在严格的规则和制度下飞行。通过前置摄像头输入的图像信息，DroNet 能够分析无人机的旋转角度，并计算出当前与外物发生碰撞的可能性。

这套算法由苏黎世大学及瑞士国家机器人能力研究中心的研究人员研发，开发 DroNet 的目的，就是让无人机提供导航服务，使其安全穿行于城市之间。

。