PyHubWeekly每周定期更新，精选GitHub上优质的Python项目/小工具。
我把PyHubWeekly托管到了Github，感兴趣的可以搜索Github项目PyHubWeekly，如果喜欢，麻烦给个Star支持一下吧。此外，欢迎大家通过提交issue来投稿和推荐自己的项目~
本期为大家推荐GitHub上5个优质的Python项目，它们分别是：
- AnimeGAN
- faker
- Background-Matting
- PyBoy
- Learning-to-See-in-the-Dark
下面分别来介绍一下上述5个GitHub项目。
Star：1.8
AnimeGAN是是一款可以把真实图片转化为动漫风图像的工具。
AnimeGAN是论文《AnimeGAN: a novel lightweight GAN for photo animation》的实现，利用近几年人工智能领域比较热门的GAN实现把真实图片转化为动漫风图像。
Star：9.8k
faker是一款用于生成伪造数据的Python小工具。
造数据，在开发过程中至关重要，尤其是在企业项目中，很多数据会涉及到敏感信息，很难获取到客户数据。这时候，如果要进行功能的开发和测试，就需要自己想办法造数据。
造数据是一件非常令人头疼的事情，如果让你造一条地址信息，可能会脱口而出。那如果让早10000条数据呢？这就是一个即耗脑力，又耗体力的活。
faker就可以一行代码实现数据的生成。
faker可以根据不同的参数生成不同语言、不同类型的数据。
安装使用
可以直接使用pip命令进行安装，
pip install Faker生成数据，
from faker import Faker
fake = Faker(['it_IT', 'en_US', 'ja_JP'])
for _ in range(10):
print(fake.name())
# 鈴木 陽一
# Leslie Moreno
# Emma Williams
# 渡辺 裕美子
# Marcantonio Galuppi
# Martha Davis
# Kristen Turner
# 中津川 春香
# Ashley Castillo
# 山田 桃子Star：3.1k
Background-Matting是CVPR 2020上一篇名为《Background Matting: The World is Your Green Screen》文章的实现项目，通过这个算法，可以轻松实现图像背景的替换。
自动抠图或者替换背景早已经不是什么新鲜事，但是，大多数工具的修建图像的效果差强人意。
《Background Matting: The World is Your Green Screen》基于对抗网络提出一种新型、基于深度学习的背景消除、替换算法，在大量图像、视频数据的验证结果中显示，能够达到比以往算法更好的效果。
Star：2.7k
PyBoy是一款用Python编写的Game Boy模拟器。
Game Boy是任天堂发售的掌上游戏机系列，而PyBoy实现了可以通过API接口的方式，模拟并控制GameBoy游戏。
Star：4.7
Learning-to-See-in-the-Dark是一款暗光图像处理项目。
看过华为P30、P40系列发布会的应该都被它强大的暗光处理惊艳到了。
的确，在暗光条件下，受到低信噪比和低亮度的影响，图片的质量会受到很大的影响，低曝光率的照片会出现很多噪声，而长曝光时间会让照片变得模糊、不真实。
Learning-to-See-in-the-Dark通过FCN方法将在黑暗环境中进行的拍摄还原的方法，能够清晰还原暗光图像。
我整理了10T+资源进行共享，其中包括实用工具、Python电子书、Spring视频教程、机器学习资源，扫码关注我的公众号“平凡而诗意”，后台回复相应关键字即可获得。除此之外，原创技术文章会第一时间推送，如果喜欢，麻烦点一下“在看”~
