[{"data":1,"prerenderedAt":-1},["ShallowReactive",2],{"similar-abreheret--PixelAnnotationTool":3,"tool-abreheret--PixelAnnotationTool":64},[4,17,27,35,43,56],{"id":5,"name":6,"github_repo":7,"description_zh":8,"stars":9,"difficulty_score":10,"last_commit_at":11,"category_tags":12,"status":16},3808,"stable-diffusion-webui","AUTOMATIC1111\u002Fstable-diffusion-webui","stable-diffusion-webui 是一个基于 Gradio 构建的网页版操作界面，旨在让用户能够轻松地在本地运行和使用强大的 Stable Diffusion 图像生成模型。它解决了原始模型依赖命令行、操作门槛高且功能分散的痛点，将复杂的 AI 绘图流程整合进一个直观易用的图形化平台。\n\n无论是希望快速上手的普通创作者、需要精细控制画面细节的设计师，还是想要深入探索模型潜力的开发者与研究人员，都能从中获益。其核心亮点在于极高的功能丰富度：不仅支持文生图、图生图、局部重绘（Inpainting）和外绘（Outpainting）等基础模式，还独创了注意力机制调整、提示词矩阵、负向提示词以及“高清修复”等高级功能。此外，它内置了 GFPGAN 和 CodeFormer 等人脸修复工具，支持多种神经网络放大算法，并允许用户通过插件系统无限扩展能力。即使是显存有限的设备，stable-diffusion-webui 也提供了相应的优化选项，让高质量的 AI 艺术创作变得触手可及。",162132,3,"2026-04-05T11:01:52",[13,14,15],"开发框架","图像","Agent","ready",{"id":18,"name":19,"github_repo":20,"description_zh":21,"stars":22,"difficulty_score":23,"last_commit_at":24,"category_tags":25,"status":16},1381,"everything-claude-code","affaan-m\u002Feverything-claude-code","everything-claude-code 是一套专为 AI 编程助手（如 Claude Code、Codex、Cursor 等）打造的高性能优化系统。它不仅仅是一组配置文件，而是一个经过长期实战打磨的完整框架，旨在解决 AI 代理在实际开发中面临的效率低下、记忆丢失、安全隐患及缺乏持续学习能力等核心痛点。\n\n通过引入技能模块化、直觉增强、记忆持久化机制以及内置的安全扫描功能，everything-claude-code 能显著提升 AI 在复杂任务中的表现，帮助开发者构建更稳定、更智能的生产级 AI 代理。其独特的“研究优先”开发理念和针对 Token 消耗的优化策略，使得模型响应更快、成本更低，同时有效防御潜在的攻击向量。\n\n这套工具特别适合软件开发者、AI 研究人员以及希望深度定制 AI 工作流的技术团队使用。无论您是在构建大型代码库，还是需要 AI 协助进行安全审计与自动化测试，everything-claude-code 都能提供强大的底层支持。作为一个曾荣获 Anthropic 黑客大奖的开源项目，它融合了多语言支持与丰富的实战钩子（hooks），让 AI 真正成长为懂上",138956,2,"2026-04-05T11:33:21",[13,15,26],"语言模型",{"id":28,"name":29,"github_repo":30,"description_zh":31,"stars":32,"difficulty_score":23,"last_commit_at":33,"category_tags":34,"status":16},2271,"ComfyUI","Comfy-Org\u002FComfyUI","ComfyUI 是一款功能强大且高度模块化的视觉 AI 引擎，专为设计和执行复杂的 Stable Diffusion 图像生成流程而打造。它摒弃了传统的代码编写模式，采用直观的节点式流程图界面，让用户通过连接不同的功能模块即可构建个性化的生成管线。\n\n这一设计巧妙解决了高级 AI 绘图工作流配置复杂、灵活性不足的痛点。用户无需具备编程背景，也能自由组合模型、调整参数并实时预览效果，轻松实现从基础文生图到多步骤高清修复等各类复杂任务。ComfyUI 拥有极佳的兼容性，不仅支持 Windows、macOS 和 Linux 全平台，还广泛适配 NVIDIA、AMD、Intel 及苹果 Silicon 等多种硬件架构，并率先支持 SDXL、Flux、SD3 等前沿模型。\n\n无论是希望深入探索算法潜力的研究人员和开发者，还是追求极致创作自由度的设计师与资深 AI 绘画爱好者，ComfyUI 都能提供强大的支持。其独特的模块化架构允许社区不断扩展新功能，使其成为当前最灵活、生态最丰富的开源扩散模型工具之一，帮助用户将创意高效转化为现实。",107662,"2026-04-03T11:11:01",[13,14,15],{"id":36,"name":37,"github_repo":38,"description_zh":39,"stars":40,"difficulty_score":23,"last_commit_at":41,"category_tags":42,"status":16},3704,"NextChat","ChatGPTNextWeb\u002FNextChat","NextChat 是一款轻量且极速的 AI 助手，旨在为用户提供流畅、跨平台的大模型交互体验。它完美解决了用户在多设备间切换时难以保持对话连续性，以及面对众多 AI 模型不知如何统一管理的痛点。无论是日常办公、学习辅助还是创意激发，NextChat 都能让用户随时随地通过网页、iOS、Android、Windows、MacOS 或 Linux 端无缝接入智能服务。\n\n这款工具非常适合普通用户、学生、职场人士以及需要私有化部署的企业团队使用。对于开发者而言，它也提供了便捷的自托管方案，支持一键部署到 Vercel 或 Zeabur 等平台。\n\nNextChat 的核心亮点在于其广泛的模型兼容性，原生支持 Claude、DeepSeek、GPT-4 及 Gemini Pro 等主流大模型，让用户在一个界面即可自由切换不同 AI 能力。此外，它还率先支持 MCP（Model Context Protocol）协议，增强了上下文处理能力。针对企业用户，NextChat 提供专业版解决方案，具备品牌定制、细粒度权限控制、内部知识库整合及安全审计等功能，满足公司对数据隐私和个性化管理的高标准要求。",87618,"2026-04-05T07:20:52",[13,26],{"id":44,"name":45,"github_repo":46,"description_zh":47,"stars":48,"difficulty_score":23,"last_commit_at":49,"category_tags":50,"status":16},2268,"ML-For-Beginners","microsoft\u002FML-For-Beginners","ML-For-Beginners 是由微软推出的一套系统化机器学习入门课程，旨在帮助零基础用户轻松掌握经典机器学习知识。这套课程将学习路径规划为 12 周，包含 26 节精炼课程和 52 道配套测验，内容涵盖从基础概念到实际应用的完整流程，有效解决了初学者面对庞大知识体系时无从下手、缺乏结构化指导的痛点。\n\n无论是希望转型的开发者、需要补充算法背景的研究人员，还是对人工智能充满好奇的普通爱好者，都能从中受益。课程不仅提供了清晰的理论讲解，还强调动手实践，让用户在循序渐进中建立扎实的技能基础。其独特的亮点在于强大的多语言支持，通过自动化机制提供了包括简体中文在内的 50 多种语言版本，极大地降低了全球不同背景用户的学习门槛。此外，项目采用开源协作模式，社区活跃且内容持续更新，确保学习者能获取前沿且准确的技术资讯。如果你正寻找一条清晰、友好且专业的机器学习入门之路，ML-For-Beginners 将是理想的起点。",84991,"2026-04-05T10:45:23",[14,51,52,53,15,54,26,13,55],"数据工具","视频","插件","其他","音频",{"id":57,"name":58,"github_repo":59,"description_zh":60,"stars":61,"difficulty_score":10,"last_commit_at":62,"category_tags":63,"status":16},3128,"ragflow","infiniflow\u002Fragflow","RAGFlow 是一款领先的开源检索增强生成（RAG）引擎，旨在为大语言模型构建更精准、可靠的上下文层。它巧妙地将前沿的 RAG 技术与智能体（Agent）能力相结合，不仅支持从各类文档中高效提取知识，还能让模型基于这些知识进行逻辑推理和任务执行。\n\n在大模型应用中，幻觉问题和知识滞后是常见痛点。RAGFlow 通过深度解析复杂文档结构（如表格、图表及混合排版），显著提升了信息检索的准确度，从而有效减少模型“胡编乱造”的现象，确保回答既有据可依又具备时效性。其内置的智能体机制更进一步，使系统不仅能回答问题，还能自主规划步骤解决复杂问题。\n\n这款工具特别适合开发者、企业技术团队以及 AI 研究人员使用。无论是希望快速搭建私有知识库问答系统，还是致力于探索大模型在垂直领域落地的创新者，都能从中受益。RAGFlow 提供了可视化的工作流编排界面和灵活的 API 接口，既降低了非算法背景用户的上手门槛，也满足了专业开发者对系统深度定制的需求。作为基于 Apache 2.0 协议开源的项目，它正成为连接通用大模型与行业专有知识之间的重要桥梁。",77062,"2026-04-04T04:44:48",[15,14,13,26,54],{"id":65,"github_repo":66,"name":67,"description_en":68,"description_zh":69,"ai_summary_zh":69,"readme_en":70,"readme_zh":71,"quickstart_zh":72,"use_case_zh":73,"hero_image_url":74,"owner_login":75,"owner_name":76,"owner_avatar_url":77,"owner_bio":78,"owner_company":79,"owner_location":80,"owner_email":78,"owner_twitter":78,"owner_website":78,"owner_url":81,"languages":82,"stars":107,"forks":108,"last_commit_at":109,"license":110,"difficulty_score":111,"env_os":112,"env_gpu":113,"env_ram":113,"env_deps":114,"category_tags":121,"github_topics":122,"view_count":23,"oss_zip_url":78,"oss_zip_packed_at":78,"status":16,"created_at":136,"updated_at":137,"faqs":138,"releases":139},3415,"abreheret\u002FPixelAnnotationTool","PixelAnnotationTool","Annotate quickly images. ","PixelAnnotationTool 是一款专为图像分割任务设计的高效标注软件，旨在帮助用户快速为目录中的图片生成像素级掩码。在传统手动标注中，逐个像素描绘轮廓不仅耗时且容易疲劳，而 PixelAnnotationTool 巧妙解决了这一痛点。它采用“半自动”的工作流：用户只需用画笔在目标区域简单标记几个点或粗略线条作为种子，软件便会立即调用 OpenCV 强大的“标记分水岭算法”自动完成精细的边缘分割。如果初次结果不够完美，用户还可以直接在误差区域补充标记进行微调，直至获得理想效果。\n\n这款工具特别适合计算机视觉研究人员、深度学习开发者以及需要构建训练数据集的 AI 工程师使用。相比于纯手动绘图工具，它大幅提升了标注效率；相较于全自动模型，它又保留了人工干预的灵活性，确保数据质量。其核心亮点在于将人工直觉与经典图像处理算法完美结合，让用户仅需极少的操作即可产出高质量的标注数据。无论是跨平台的 Linux、macOS 还是 Windows 用户，均可通过预编译版本轻松上手，是提升图像数据准备环节生产力的得力助手。","PixelAnnotationTool\n============================\n\n-----------------\n| **` Linux\u002FMAC `** | **` Windows `** | **` Donate  `** | \n|-----------------|---------------------|---------------------|\n| [![Build Status](https:\u002F\u002Fapi.travis-ci.org\u002Fabreheret\u002FPixelAnnotationTool.svg?branch=master)](https:\u002F\u002Ftravis-ci.org\u002Fabreheret\u002FPixelAnnotationTool) | [![Appveyor Build Status](https:\u002F\u002Fimg.shields.io\u002Fappveyor\u002Fci\u002Fabreheret\u002Fpixelannotationtool.svg)](https:\u002F\u002Fci.appveyor.com\u002Fproject\u002Fabreheret\u002Fpixelannotationtool) |  [![Donate](https:\u002F\u002Fimg.shields.io\u002Fbadge\u002FDonate-PayPal-green.svg)](https:\u002F\u002Fwww.paypal.com\u002Fcgi-bin\u002Fwebscr?cmd=_s-xclick&hosted_button_id=8K79VKWBS7352) |\n\n\n\nSoftware that allows you to manually and quickly annotate images in directories.\nThe method is pseudo manual because it uses the algorithm [watershed marked](http:\u002F\u002Fdocs.opencv.org\u002F3.1.0\u002Fd7\u002Fd1b\u002Fgroup__imgproc__misc.html#ga3267243e4d3f95165d55a618c65ac6e1) of OpenCV. The general idea is to manually provide the marker with brushes and then to launch the algorithm. If at first pass the segmentation needs to be corrected, the user can refine the markers by drawing new ones on the erroneous areas (as shown on video below).\n\n[![gif_file](https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Fabreheret_PixelAnnotationTool_readme_f929426ee6ca.gif)](https:\u002F\u002Fyoutu.be\u002Fwxi2dInWDnI)\n\nExample :\n\n\u003Cimg src=\"https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Fabreheret_PixelAnnotationTool_readme_0260541df6c9.jpg\" width=\"300\"\u002F> \u003Cimg src=\"https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Fabreheret_PixelAnnotationTool_readme_5d541d9362fa.png\" width=\"300\"\u002F>\n\nLittle example from an user ([tenjumh](https:\u002F\u002Fgithub.com\u002Ftenjumh\u002FPixel-Annotation-Tool)) of PixelAnnotationTools : https:\u002F\u002Fwww.youtube.com\u002Fwatch?v=tX-xcg5wY4U\n\n----------\n\n### Building Dependencies :\n* [Qt](https:\u002F\u002Fwww.qt.io\u002Fdownload-open-source\u002F)  >= 5.x\n* [CMake](https:\u002F\u002Fcmake.org\u002Fdownload\u002F) >= 2.8.x \n* [OpenCV](http:\u002F\u002Fopencv.org\u002Freleases.html) >= 2.4.x \n* For Windows Compiler : Works under Visual Studio >= 2015\n\nHow to build go to [here](scripts_to_build)\n\n### Download binaries :\nGo to release [page](https:\u002F\u002Fgithub.com\u002Fabreheret\u002FPixelAnnotationTool\u002Freleases)\n\n### Donate :\nIf you like, donate !\n\n\nDonating is very simple - and secure. Please click [here](https:\u002F\u002Fwww.paypal.com\u002Fcgi-bin\u002Fwebscr?cmd=_s-xclick&hosted_button_id=8K79VKWBS7352) to make a donation. \n\n**Thank you!**\n\nYour donation will help me to maintain and update PixelAnnotationTool.\n\n### License :\n\nGNU Lesser General Public License v3.0 \n\nPermissions of this copyleft license are conditioned on making available complete source code of licensed works and modifications under the same license or the GNU GPLv3. Copyright and license notices must be preserved. Contributors provide an express grant of patent rights. However, a larger work using the licensed work through interfaces provided by the licensed work may be distributed under different terms and without source code for the larger work.\n\n[more](https:\u002F\u002Fgithub.com\u002Fabreheret\u002FPixelAnnotationTool\u002Fblob\u002Fmaster\u002FLICENSE)\n\n### Citation :\n\n```bib\n  @MISC{Breheret:2017,\n    author = {Amaury Br{\\'e}h{\\'e}ret},\n    title = {{Pixel Annotation Tool}},\n    howpublished = \"\\url{https:\u002F\u002Fgithub.com\u002Fabreheret\u002FPixelAnnotationTool}\",\n    year = {2017},\n  }\n```\n\n\n","像素标注工具\n============================\n\n-----------------\n| **` Linux\u002FMAC `** | **` Windows `** | **` 捐赠  `** | \n|-----------------|---------------------|---------------------|\n| [![构建状态](https:\u002F\u002Fapi.travis-ci.org\u002Fabreheret\u002FPixelAnnotationTool.svg?branch=master)](https:\u002F\u002Ftravis-ci.org\u002Fabreheret\u002FPixelAnnotationTool) | [![Appveyor 构建状态](https:\u002F\u002Fimg.shields.io\u002Fappveyor\u002Fci\u002Fabreheret\u002Fpixelannotationtool.svg)](https:\u002F\u002Fci.appveyor.com\u002Fproject\u002Fabreheret\u002Fpixelannotationtool) |  [![捐赠](https:\u002F\u002Fimg.shields.io\u002Fbadge\u002FDonate-PayPal-green.svg)](https:\u002F\u002Fwww.paypal.com\u002Fcgi-bin\u002Fwebscr?cmd=_s-xclick&hosted_button_id=8K79VKWBS7352) |\n\n\n\n一款允许您手动快速标注目录中图像的软件。这种方法被称为“伪手动”，因为它使用了 OpenCV 的 [分水岭标记算法](http:\u002F\u002Fdocs.opencv.org\u002F3.1.0\u002Fd7\u002Fd1b\u002Fgroup__imgproc__misc.html#ga3267243e4d3f95165d55a618c65ac6e1)。其基本思路是：用户先用画笔手动标记区域，然后启动该算法。如果初次分割结果需要修正，用户可以在错误区域继续绘制新的标记以进行细化（如下面的视频所示）。\n\n[![gif_file](https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Fabreheret_PixelAnnotationTool_readme_f929426ee6ca.gif)](https:\u002F\u002Fyoutu.be\u002Fwxi2dInWDnI)\n\n示例：\n\n\u003Cimg src=\"https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Fabreheret_PixelAnnotationTool_readme_0260541df6c9.jpg\" width=\"300\"\u002F> \u003Cimg src=\"https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Fabreheret_PixelAnnotationTool_readme_5d541d9362fa.png\" width=\"300\"\u002F>\n\n一位用户 ([tenjumh](https:\u002F\u002Fgithub.com\u002Ftenjumh\u002FPixel-Annotation-Tool)) 使用 PixelAnnotationTools 的小示例：https:\u002F\u002Fwww.youtube.com\u002Fwatch?v=tX-xcg5wY4U\n\n----------\n\n### 构建依赖：\n* [Qt](https:\u002F\u002Fwww.qt.io\u002Fdownload-open-source\u002F)  >= 5.x\n* [CMake](https:\u002F\u002Fcmake.org\u002Fdownload\u002F) >= 2.8.x \n* [OpenCV](http:\u002F\u002Fopencv.org\u002Freleases.html) >= 2.4.x \n* 对于 Windows 编译器：支持 Visual Studio >= 2015\n\n如何构建，请前往 [这里](scripts_to_build)\n\n### 下载二进制文件：\n请访问发布 [页面](https:\u002F\u002Fgithub.com\u002Fabreheret\u002FPixelAnnotationTool\u002Freleases)\n\n### 捐赠：\n如果您喜欢这款工具，请考虑捐赠！\n\n\n捐赠非常简单且安全。请点击 [这里](https:\u002F\u002Fwww.paypal.com\u002Fcgi-bin\u002Fwebscr?cmd=_s-xclick&hosted_button_id=8K79VKWBS7352) 进行捐赠。\n\n**感谢您的支持！**\n\n您的捐赠将帮助我维护和更新 PixelAnnotationTool。\n\n### 许可证：\n\nGNU 较宽松通用公共许可证 v3.0 \n\n此 Copyleft 许可证的权限条件是，必须以相同许可证或 GNU GPLv3 许可证提供许可作品及其修改版本的完整源代码。版权和许可证声明必须予以保留。贡献者需明确授予专利权。然而，通过许可作品提供的接口使用该许可作品的更大作品，可以采用不同的条款进行分发，且无需提供该更大作品的源代码。\n\n[更多信息](https:\u002F\u002Fgithub.com\u002Fabreheret\u002FPixelAnnotationTool\u002Fblob\u002Fmaster\u002FLICENSE)\n\n### 引用：\n\n```bib\n  @MISC{Breheret:2017,\n    author = {Amaury Br{\\'e}h{\\'e}ret},\n    title = {{Pixel Annotation Tool}},\n    howpublished = \"\\url{https:\u002F\u002Fgithub.com\u002Fabreheret\u002FPixelAnnotationTool}\",\n    year = {2017},\n  }\n```","# PixelAnnotationTool 快速上手指南\n\nPixelAnnotationTool 是一款基于 OpenCV 标记分水岭算法（Watershed Marked）的图像标注工具。它允许用户通过简单的画笔标记，快速生成像素级的语义分割掩码，特别适用于需要手动修正但追求效率的场景。\n\n## 环境准备\n\n在开始之前，请确保您的系统满足以下要求：\n\n### 系统要求\n- **操作系统**：Linux, macOS 或 Windows\n- **编译器**（仅 Windows）：Visual Studio 2015 或更高版本\n\n### 前置依赖\n您需要安装以下核心库：\n- **Qt**: 版本 >= 5.x\n- **CMake**: 版本 >= 2.8.x\n- **OpenCV**: 版本 >= 2.4.x\n\n> **国内加速建议**：\n> - **Qt**: 访问清华大学开源软件镜像站下载离线安装包。\n> - **OpenCV**: 可通过 `pip install opencv-python` (Python 绑定) 快速获取库文件，或从 Gitee 镜像下载源码编译。\n> - **CMake**: 建议使用包管理器安装（如 Linux 下的 `apt`\u002F`yum`，macOS 下的 `brew`）。\n\n## 安装步骤\n\n您可以选择直接下载编译好的二进制文件（推荐），或从源码构建。\n\n### 方式一：下载二进制文件（推荐）\n直接访问项目的 [Releases 页面](https:\u002F\u002Fgithub.com\u002Fabreheret\u002FPixelAnnotationTool\u002Freleases) 下载对应系统的最新版本压缩包，解压即可运行，无需配置开发环境。\n\n### 方式二：源码构建\n如果您需要自定义功能或上述二进制文件无法运行，请按以下步骤编译：\n\n1. 克隆仓库：\n   ```bash\n   git clone https:\u002F\u002Fgithub.com\u002Fabreheret\u002FPixelAnnotationTool.git\n   cd PixelAnnotationTool\n   ```\n\n2. 创建构建目录并配置 CMake：\n   ```bash\n   mkdir build\n   cd build\n   cmake ..\n   ```\n   *注意：如果 Qt 或 OpenCV 未安装在默认路径，可能需要指定 `-DQt5_DIR` 或 `-DOpenCV_DIR` 参数。*\n\n3. 编译项目：\n   ```bash\n   # Linux\u002FmacOS\n   make -j4\n\n   # Windows (在 Developer Command Prompt for VS 中运行)\n   cmake --build . --config Release\n   ```\n\n详细构建脚本可参考项目内的 `scripts_to_build` 目录。\n\n## 基本使用\n\n本工具的核心逻辑是：**人工标记种子点 -> 算法自动分割 -> 局部修正**。\n\n1. **启动工具**：\n   运行生成的可执行文件（如 `PixelAnnotationTool` 或 `.exe`）。\n\n2. **加载图像**：\n   打开包含待标注图像的目录，选择一张图片载入。\n\n3. **绘制标记（Markers）**：\n   - 选择左侧工具栏的画笔工具。\n   - 在不同语义区域涂抹颜色（例如：用红色标记“道路”，用绿色标记“草地”）。\n   - 这些颜色将作为分水岭算法的种子点。\n\n4. **执行分割**：\n   点击运行\u002F分割按钮，算法将根据您的标记自动填充整个图像的生成分割掩码。\n\n5. **修正与细化**：\n   - 如果自动分割结果在边缘处不准确，无需重画。\n   - 直接在错误区域补充绘制新的标记颜色。\n   - 再次运行算法，系统将仅针对新标记区域进行重新计算和融合。\n\n6. **保存结果**：\n   完成标注后，导出颜色掩码（Color Mask）或标签图用于后续模型训练。\n\n通过这种“伪手动”的方式，您可以极大地减少逐像素标注的时间成本。","一家医疗影像初创公司的算法团队正在紧急构建皮肤癌病灶分割数据集，需要处理数千张高分辨率皮肤镜图像以训练深度学习模型。\n\n### 没有 PixelAnnotationTool 时\n- 标注人员只能使用基础绘图软件逐像素手动涂抹病灶边缘，处理一张复杂图像耗时超过 40 分钟，效率极低。\n- 面对病灶与正常皮肤边界模糊的情况，纯手工操作难以保证轮廓的平滑与自然，导致标注结果锯齿严重，影响模型收敛。\n- 一旦发现有细微区域标错，无法进行局部智能修正，往往需要撤销重画甚至整图返工，挫伤团队士气。\n- 缺乏针对医学图像的专用交互逻辑，标注过程枯燥且高度依赖人工经验，难以在短期内完成大规模数据准备。\n\n### 使用 PixelAnnotationTool 后\n- 利用其内置的 OpenCV 分水岭算法，标注员只需简单绘制前景和背景标记点，软件即可自动计算并填充完整病灶区域，单图耗时缩短至 5 分钟内。\n- 算法能智能识别颜色渐变和纹理差异，生成的分割掩码边缘平滑自然，显著提升了训练数据的几何准确性。\n- 支持“增量式”修正，若自动分割有误，仅需在错误区域补画少量标记即可实时刷新结果，无需推倒重来。\n- 伪手动交互模式大幅降低了操作门槛，让非专业标注人员也能快速上手，加速了千级图像数据集的构建进程。\n\nPixelAnnotationTool 通过算法辅助将繁琐的像素级标注转化为高效的标记交互，使医疗影像数据的生产效率提升了数倍。","https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Fabreheret_PixelAnnotationTool_f929426e.gif","abreheret","Amaury Bréhéret","https:\u002F\u002Foss.gittoolsai.com\u002Favatars\u002Fabreheret_54d6770a.png",null,"Mines Paris - PSL","Paris, France","https:\u002F\u002Fgithub.com\u002Fabreheret",[83,87,91,95,99,103],{"name":84,"color":85,"percentage":86},"C++","#f34b7d",80.9,{"name":88,"color":89,"percentage":90},"CMake","#DA3434",12.1,{"name":92,"color":93,"percentage":94},"Python","#3572A5",3.2,{"name":96,"color":97,"percentage":98},"C","#555555",2.1,{"name":100,"color":101,"percentage":102},"Batchfile","#C1F12E",1.4,{"name":104,"color":105,"percentage":106},"Shell","#89e051",0.2,1449,308,"2026-04-02T08:36:04","LGPL-3.0",4,"Linux, macOS, Windows","未说明",{"notes":115,"python":113,"dependencies":116},"该工具主要基于 C++ 和 Qt 开发，非 Python 项目。Windows 用户若需自行编译，需安装 Visual Studio 2015 或更高版本。普通用户可直接下载预编译的二进制文件使用，无需配置复杂的开发环境。",[117,118,119,120],"Qt >= 5.x","CMake >= 2.8.x","OpenCV >= 2.4.x","Visual Studio >= 2015 (仅 Windows 编译需要)",[14,51,15,13],[123,124,125,126,127,128,129,130,131,132,133,134,135],"computer-vision","deep-learning","pixel-wise","ground-truth","annotation-tool","opencv","qt5","annotation","pixel","tool","image-labeling","image-seg-tool","labeling-tool","2026-03-27T02:49:30.150509","2026-04-06T05:16:46.223925",[],[140,145,150,155,160,165,170,175],{"id":141,"version":142,"summary_zh":143,"released_at":144},90359,"v1.5.0","- 接受并合并请求 #76、#53、#68、#71、#75（感谢 @daandres、@arbasli2 和 @iantra）\n- 修复问题：#61、#77、#67\n\nWindows 版本的下载链接如下（压缩包）","2022-11-21T17:06:25",{"id":146,"version":147,"summary_zh":148,"released_at":149},90360,"v1.4.0","合并请求 #34、#37、#45、#48、#49（感谢 @berendkleinhaneveld、@javierBarandiaran、@karimhasebou 和 @dwlsalmeida）：\n* 将已弃用的 Qt 方法替换为较新的方法\n* 添加了以下快捷键：\n  * 打开图像文件夹：Ctrl+O\n  * 打开配置文件：Ctrl+Shift+O\n  * 使用快捷键在已打开的文件夹中选择下一个\u002F上一个文件：Ctrl+Shift+向上箭头 \u002F Ctrl+Shift+向下箭头\n* 修复了加载其他配置文件后标签快捷键失效的问题\n* 进一步简化了标签的快捷键设置（减少修饰键的使用）\n* 重构代码风格\n* 在未手动指定颜色但存在分水岭颜色的像素上单击右键时，新增颜色信息显示区域\n* 修复了在无颜色的像素上单击右键导致程序崩溃的问题\n* 使笔刷大小、缩放比例和蒙版透明度在不同选项卡之间保持持久化\n* 为标签选择功能添加快捷键提示\n\n以下提供适用于 Windows（zip 文件）、Linux（AppImage 文件）和 macOS（dmg 文件）的下载链接。","2020-01-07T11:10:28",{"id":151,"version":152,"summary_zh":153,"released_at":154},90361,"v1.3.2","\r\n- 修复了以下问题：#17 #29 #24 #7 #31 \r\n- Windows Zip [下载](https:\u002F\u002Fgithub.com\u002Fabreheret\u002FPixelAnnotationTool\u002Freleases\u002Fdownload\u002Fv1.3.2\u002FPixelAnnotationTool_x64_v1.3.2.zip)\r\n- Linux AppImage [下载](https:\u002F\u002Fgithub.com\u002Fabreheret\u002FPixelAnnotationTool\u002Freleases\u002Fdownload\u002Fv1.3.2\u002FPixelAnnotationTool_x86_64_v1.3.2.AppImage)（请先运行 `chmod +x PixelAnnotationTool_x86_64_v1.3.1.AppImage` 为二进制文件添加执行权限，然后运行）\r\n- Mac OSX Dmg [下载](https:\u002F\u002Fgithub.com\u002Fabreheret\u002FPixelAnnotationTool\u002Freleases\u002Fdownload\u002Fv1.3.2\u002FPixelAnnotationTool_x86_64_v1.3.2.dmg)（安装前需先通过 `brew install opencv` 安装 OpenCV）","2019-02-22T14:34:12",{"id":156,"version":157,"summary_zh":158,"released_at":159},90362,"v1.3.1","- 修改 CMakeLists 和 .travis.yml 文件，以支持 macOS 构建（修复 #16）\n- 修复了在某些情况下无法保存掩码的 bug（修复 #14 和 #10）\n- Windows 压缩包 [下载](https:\u002F\u002Fgithub.com\u002Fabreheret\u002FPixelAnnotationTool\u002Freleases\u002Fdownload\u002Fv1.3.1\u002FPixelAnnotationTool_x64_v1.3.1.zip)\n- Linux AppImage [下载](https:\u002F\u002Fgithub.com\u002Fabreheret\u002FPixelAnnotationTool\u002Freleases\u002Fdownload\u002Fv1.3.1\u002FPixelAnnotationTool_x86_64_v1.3.1.AppImage)（请先运行 `chmod +x PixelAnnotationTool_x86_64_v1.3.1.AppImage` 为二进制文件添加执行权限，然后运行）\n- Mac OS X DMG [下载](https:\u002F\u002Fgithub.com\u002Fabreheret\u002FPixelAnnotationTool\u002Freleases\u002Fdownload\u002Fv1.3.1\u002FPixelAnnotationTool_x86_64_v1.3.1.dmg)（安装前需先通过 `brew install opencv` 安装 OpenCV）","2018-08-20T07:12:52",{"id":161,"version":162,"summary_zh":163,"released_at":164},90363,"v1.3.0","\r\n- 添加复选框，用于选择是否保存带有（或不带有）分水岭算法生成的边界的图像。\r\n- 为已选图像添加选项卡控件，并提供快捷键 CTRL+W 以关闭当前选项卡。\r\n- 在尝试关闭选项卡时弹出消息框，提示用户保存修改内容。\r\n- 修复问题 #6。\r\n- 下载 v1.3.0：[Linux](https:\u002F\u002Fgithub.com\u002Fabreheret\u002FPixelAnnotationTool\u002Freleases\u002Fdownload\u002Fv1.3.0\u002FPixelAnnotationTool_x86_64_v1.3.0.AppImage)（请先运行 `chmod +x PixelAnnotationTool_x86_64_v1.3.0.AppImage` 使文件可执行，再运行）。\r\n- 下载 v1.3.0：[Windows 64 位](https:\u002F\u002Fgithub.com\u002Fabreheret\u002FPixelAnnotationTool\u002Freleases\u002Fdownload\u002Fv1.3.0\u002FPixelAnnotationTool_x64_v1.3.0.zip)。\r\n\r\n","2018-05-09T16:38:52",{"id":166,"version":167,"summary_zh":168,"released_at":169},90364,"v1.2.1","- 修复 #5\n- 添加持续集成（AppVeyor 和 Travis）\n- 下载 [Windows 64位二进制文件](https:\u002F\u002Fgrabify.link\u002FZ913ZA)\n- 下载 v1.2.1-6：[Linux](https:\u002F\u002Fgithub.com\u002Fabreheret\u002FPixelAnnotationTool\u002Freleases\u002Fdownload\u002Fv1.2.1\u002FPixelAnnotationTool_x86_64_v1.2.1-6-g8c78e1c.AppImage)（运行 `chmod +x PixelAnnotationTool_x86_64_v1.2.1-6-g8c78e1c.AppImage` 为二进制文件添加可执行权限，然后运行）","2018-02-16T08:32:06",{"id":171,"version":172,"summary_zh":173,"released_at":174},90365,"v1.2.0","\r\n- 自动管理版本号\r\n- 保存输出图像时去除像素边框 (#2)\r\n- [下载 Windows 二进制文件](https:\u002F\u002Fgrabify.link\u002F5Z52HE)\r\n- [下载 Ubuntu 二进制文件](https:\u002F\u002Fgrabify.link\u002FWUMO4N)，需先安装 OpenCV 2.4：`sudo apt-get install libopencv-dev`","2018-01-29T15:52:05",{"id":176,"version":177,"summary_zh":78,"released_at":178},90366,"v1.0.0","2017-10-05T09:31:05"]