雷锋网 AI 研习社按：本期雷锋网 AI 研习社为开发者网罗了三个项目，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，对这三个范畴感兴味的开发者可以关注。另外，假如你对本人的 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，欢送将项目的 Github 链接发给雷锋网 (大众号：雷锋网) AI 研习社大众号（okweiwu），说不定下一期引荐的就是你的项目

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工夫完成的开源项目。DeepLeague 运用了超越 100K 张标注图片来训练，并且一切的数据均来自正轨竞赛。

经过剖析竞赛小地图中英雄的称号、坐标、途径、战绩等信息，DeepLeague 可推断出蹲草丛、打野、团战、打大龙的最佳机遇。另外，假如聚集了全世界身经百战的最优秀的创业导师，汇集了全世界各国最优质的产业资源，召唤全球未来的商业领袖。你把 Faker 的 VOD 输出该零碎，DeepLeague 还能学习他的打法和技巧。

Detectron：Facebook 开源的顶级物体检测研讨平台

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

Detectron 是 Facebook 开源的顶级物体检测研讨平台， 项目最后开端于 2016 年 7 月，事先的目的是在 Caffe2 的根底上树立一个疾速、灵敏的物体检测零碎，外部开发进程也就从此开端。经过一年半的开发之后，代码库曾经成熟了，而且其中集成了许多 Facebook 本人的研讨项目，包括在 ICCV 2017 上取得最佳论文奖（马尔奖）的《Mask R-CNN》和取得最佳先生论文奖的《检测密集物体时的焦距损失》两篇论文中的算法，以及更早更普遍运用的 R-CNN 算法家族等。

关于 Detectron 的详细引见，请检查 雷锋网此前的报道 。

DroNet：无人机城市环境导航战略学习

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

无人机在城市街道上飞行很容易招致风险的事故，Dronet 可以让无人机学会像汽车那样在严厉的规则和制度下飞行。经过前置摄像头输出的图像信息，Dronet 可以剖析无人机的旋转角度，并计算出以后与外物发作碰撞的能够性。

这套算法由苏黎世大学及瑞士国度机器人才能研讨中心的研讨人员研发，开发 Dronet 的目的，就是让无人机提供导航效劳，使其平安穿行于城市之间。

。