原标题：美国国会议员人太多记不住？纽约时报开源自家议员分辨系统
图片来源:Greg△Kletsel
美国参议院加众议院的议员加起来有535位，议员来来去去，除非记忆过人，否则很难正确的叫出这些人的名字，纽约时报（New△York△Times）的新闻工作者长时间受这个问题所苦，于是以Amazon的Rekognition服务开发了议员分辨系统Who△The△Hill让电脑来认人。现在以Apache△2.0授权开源，要让其他的新闻同业也能免于认人之苦。
纽约时报互动新闻工程师Jeremy△Bowers提到，即使在美国国会中报道10年的新闻，也很难确定刚刚交谈过的人是谁。国会中有535位议员，议员更新周期又很短，每过几个月就会进行一次特别选举，成员来来去去背都背不起来。纽约时报前国会记者Jennifer△Steinhauer就曾在推特上吶喊“需要用来辨认白宫成员脸的Shazam。”
一开始他们觉得这件事很困难，不过，随后就发现已经有成熟的产品存在，Amazon的Rekognition服务中，有一个RecognizeCelebrity的名人分辨功能，其中包含国会议员以及行政部门成员的脸孔资料库。Jeremy△Bowers表示，有了这些工具，现在他们只要组合一些API，就能够建立一个脸部分辨系统来帮记者认脸。他们根据需求建立了分辨系统雏形，国会记者只要拍张议员的脸照，发送到后端应用程序就能取得具有信心指数的分辨结果。
但是统一开始使用状况并不理想，Jeremy△Bowers提到，Rekognition服务会错误分辨长很像的名人，而且国会大厅的照明不足，拍出来的脸照品质不佳，他们的测试照片受到阴影跟模糊的影响，分辨率很低落，而且再加上国会大厅地下室的收讯很差，以MMS传送与接收照片过程缓慢，还容易发生错误。
为了解决Rekognition服务名人互相认错的问题，他们建立了一份国会议员名单，系统只标注这些人，另外，他们也调整拍摄照片的方式，以符合系统要求，而之所以坚持使用文字介面，Jeremy△Bowers说明，文字介面对于记者是比较方便的，而且在频宽不佳的地方，网页介面反而更缓慢。
在研究人脸分辨系统时，他们也遇到了隐私问题，因此这个人脸分辨的系统，范畴只限制在公众人物。现在Who△The△Hill系统纽约时报以Apache△2.0授权开源在GitHub上。
相关：
Databricks开源机器学习平台MLflow，以标准格式打破工具平台的界线
由Apache△Spark技术团队所创立的Databricks释出开源机器学习平台MLflow，不只对社交开放原始码，进一步使用开放介面，要支援既有的机器学习函式库、演算法以及工具，同时Databricks也提供MLflow的托管服务，不过，M
Google释出Capillary开源函式库，助Android开发者提供端对端加密推送讯息功能
Google释出了Capillary计划，这计划包含了一个开源函式库，要帮助开发者提供伺服器到Android装置间的端对端加密推送讯息功能，Google表示，要提供端对端加密功能需要一定程度技术，因此他们希望通过Capillary计划中的
GitLab抢客又开一枪，只要开源专案或教育机构用，黄金会员也免费
微软并购GitHub后，引发一大波使用者逃亡潮，在这波开发者迁徙热潮中，GitHub的竞争对手GitLab在一旁坐收了渔翁之利，不仅在社交媒体上得到许多曝光，也接手了许多原本来自GitHub的专案、储存库。而因应这波使用者热
UC Berkeley开源全球最大的自驾车资料集，资料量是百度ApolloScape的800倍
图片来源: UC△Berkeley 加州柏克莱大学（UC△Berkeley）的DeepDrive自驾车实验室上周开源了迄今全球最大的自驾车视频资料集BDD100K，BDD100K让坊间其它的自驾车资料集相形失色，例如百度才在今年3月释出了号称是全球
Uber开源地理资讯视觉化工具kepler.gl，连Airbnb和Google都爱用
Uber开源其内部使用的地理资讯视觉化工具包kepler.gl，这是基于Uber自家大资料集视觉探索WebGL开发框架deck.gl开发的React组件，用于建立大规模地理定位资料集的视觉化探索网页应用程序。其支援GPU的特性，可以让应用