[{"data":1,"prerenderedAt":-1},["ShallowReactive",2],{"similar-akirasosa--mobile-semantic-segmentation":3,"tool-akirasosa--mobile-semantic-segmentation":61},[4,18,26,36,44,53],{"id":5,"name":6,"github_repo":7,"description_zh":8,"stars":9,"difficulty_score":10,"last_commit_at":11,"category_tags":12,"status":17},4358,"openclaw","openclaw\u002Fopenclaw","OpenClaw 是一款专为个人打造的本地化 AI 助手，旨在让你在自己的设备上拥有完全可控的智能伙伴。它打破了传统 AI 助手局限于特定网页或应用的束缚，能够直接接入你日常使用的各类通讯渠道，包括微信、WhatsApp、Telegram、Discord、iMessage 等数十种平台。无论你在哪个聊天软件中发送消息，OpenClaw 都能即时响应，甚至支持在 macOS、iOS 和 Android 设备上进行语音交互，并提供实时的画布渲染功能供你操控。\n\n这款工具主要解决了用户对数据隐私、响应速度以及“始终在线”体验的需求。通过将 AI 部署在本地，用户无需依赖云端服务即可享受快速、私密的智能辅助，真正实现了“你的数据，你做主”。其独特的技术亮点在于强大的网关架构，将控制平面与核心助手分离，确保跨平台通信的流畅性与扩展性。\n\nOpenClaw 非常适合希望构建个性化工作流的技术爱好者、开发者，以及注重隐私保护且不愿被单一生态绑定的普通用户。只要具备基础的终端操作能力（支持 macOS、Linux 及 Windows WSL2），即可通过简单的命令行引导完成部署。如果你渴望拥有一个懂你",349277,3,"2026-04-06T06:32:30",[13,14,15,16],"Agent","开发框架","图像","数据工具","ready",{"id":19,"name":20,"github_repo":21,"description_zh":22,"stars":23,"difficulty_score":10,"last_commit_at":24,"category_tags":25,"status":17},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,"2026-04-05T11:01:52",[14,15,13],{"id":27,"name":28,"github_repo":29,"description_zh":30,"stars":31,"difficulty_score":32,"last_commit_at":33,"category_tags":34,"status":17},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",158594,2,"2026-04-16T23:34:05",[14,13,35],"语言模型",{"id":37,"name":38,"github_repo":39,"description_zh":40,"stars":41,"difficulty_score":32,"last_commit_at":42,"category_tags":43,"status":17},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。",108322,"2026-04-10T11:39:34",[14,15,13],{"id":45,"name":46,"github_repo":47,"description_zh":48,"stars":49,"difficulty_score":32,"last_commit_at":50,"category_tags":51,"status":17},6121,"gemini-cli","google-gemini\u002Fgemini-cli","gemini-cli 是一款由谷歌推出的开源 AI 命令行工具，它将强大的 Gemini 大模型能力直接集成到用户的终端环境中。对于习惯在命令行工作的开发者而言，它提供了一条从输入提示词到获取模型响应的最短路径，无需切换窗口即可享受智能辅助。\n\n这款工具主要解决了开发过程中频繁上下文切换的痛点，让用户能在熟悉的终端界面内直接完成代码理解、生成、调试以及自动化运维任务。无论是查询大型代码库、根据草图生成应用，还是执行复杂的 Git 操作，gemini-cli 都能通过自然语言指令高效处理。\n\n它特别适合广大软件工程师、DevOps 人员及技术研究人员使用。其核心亮点包括支持高达 100 万 token 的超长上下文窗口，具备出色的逻辑推理能力；内置 Google 搜索、文件操作及 Shell 命令执行等实用工具；更独特的是，它支持 MCP（模型上下文协议），允许用户灵活扩展自定义集成，连接如图像生成等外部能力。此外，个人谷歌账号即可享受免费的额度支持，且项目基于 Apache 2.0 协议完全开源，是提升终端工作效率的理想助手。",100752,"2026-04-10T01:20:03",[52,13,15,14],"插件",{"id":54,"name":55,"github_repo":56,"description_zh":57,"stars":58,"difficulty_score":32,"last_commit_at":59,"category_tags":60,"status":17},4721,"markitdown","microsoft\u002Fmarkitdown","MarkItDown 是一款由微软 AutoGen 团队打造的轻量级 Python 工具，专为将各类文件高效转换为 Markdown 格式而设计。它支持 PDF、Word、Excel、PPT、图片（含 OCR）、音频（含语音转录）、HTML 乃至 YouTube 链接等多种格式的解析，能够精准提取文档中的标题、列表、表格和链接等关键结构信息。\n\n在人工智能应用日益普及的今天，大语言模型（LLM）虽擅长处理文本，却难以直接读取复杂的二进制办公文档。MarkItDown 恰好解决了这一痛点，它将非结构化或半结构化的文件转化为模型“原生理解”且 Token 效率极高的 Markdown 格式，成为连接本地文件与 AI 分析 pipeline 的理想桥梁。此外，它还提供了 MCP（模型上下文协议）服务器，可无缝集成到 Claude Desktop 等 LLM 应用中。\n\n这款工具特别适合开发者、数据科学家及 AI 研究人员使用，尤其是那些需要构建文档检索增强生成（RAG）系统、进行批量文本分析或希望让 AI 助手直接“阅读”本地文件的用户。虽然生成的内容也具备一定可读性，但其核心优势在于为机器",93400,"2026-04-06T19:52:38",[52,14],{"id":62,"github_repo":63,"name":64,"description_en":65,"description_zh":66,"ai_summary_zh":66,"readme_en":67,"readme_zh":68,"quickstart_zh":69,"use_case_zh":70,"hero_image_url":71,"owner_login":72,"owner_name":73,"owner_avatar_url":74,"owner_bio":73,"owner_company":73,"owner_location":75,"owner_email":73,"owner_twitter":73,"owner_website":73,"owner_url":76,"languages":77,"stars":86,"forks":87,"last_commit_at":88,"license":89,"difficulty_score":10,"env_os":90,"env_gpu":90,"env_ram":90,"env_deps":91,"category_tags":97,"github_topics":98,"view_count":32,"oss_zip_url":73,"oss_zip_packed_at":73,"status":17,"created_at":110,"updated_at":111,"faqs":112,"releases":143},8119,"akirasosa\u002Fmobile-semantic-segmentation","mobile-semantic-segmentation","Real-Time Semantic Segmentation in Mobile device","mobile-semantic-segmentation 是一个专为移动设备打造的实时语义分割开源项目，核心目标是让手机也能快速、精准地识别图像中的特定区域。它主要解决了在算力有限的移动端运行深度学习模型时，难以兼顾速度与精度的痛点，目前专注于头发区域的分割任务，在保持流畅运行的同时达到了 0.89 的交并比（IoU）。\n\n这款工具非常适合移动端 AI 开发者、计算机视觉研究人员以及希望将算法落地到 iOS 或 Android 应用的技术团队。其独特的技术亮点在于巧妙融合了 MobileNetV2 与 U-Net 架构：利用 MobileNet 的深度可分离卷积构建高效的编码器与解码器，既大幅降低了计算量，又保留了 U-Net 出色的细节还原能力。项目不仅提供了基于 PyTorch 的完整训练流程和数据准备指南，还内置了将模型转换为 CoreML 格式的脚本，方便开发者直接部署到 iOS 应用中。无论是想研究轻量化网络结构，还是开发如虚拟染发等实时互动功能，mobile-semantic-segmentation 都是一个轻量且实用的起点。","# Real-Time Semantic Segmentation in Mobile device\n\nThis project is an example project of semantic segmentation for mobile real-time app.\n\nThe architecture is inspired by [MobileNetV2](https:\u002F\u002Farxiv.org\u002Fabs\u002F1801.04381) and [U-Net](https:\u002F\u002Farxiv.org\u002Fabs\u002F1505.04597).\n\n[LFW, Labeled Faces in the Wild](http:\u002F\u002Fvis-www.cs.umass.edu\u002Flfw\u002Fpart_labels\u002F), is used as a Dataset.\n\nThe goal of this project is to detect hair segments with reasonable **accuracy and speed in mobile device**. Currently, it achieves 0.89 IoU.\n\nAbout speed vs accuracy, more details are available at [my post](https:\u002F\u002Fmedium.com\u002Fvitalify-asia\u002Freal-time-deep-learning-in-mobile-application-25cf601a8976).\n\n![Example of predicted image.](https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Fakirasosa_mobile-semantic-segmentation_readme_46d3a11cc130.png)\n\n## Example application\n\n* [iOS](https:\u002F\u002Fgithub.com\u002Fvfa-tranhv\u002FMobileAILab-HairColor-iOS)\n* Android (TODO)\n\n## Requirements\n\n* Python 3.8\n* ```pip install -r requirements.txt -f https:\u002F\u002Fdownload.pytorch.org\u002Fwhl\u002Ftorch_stable.html```\n* CoreML for iOS app.\n\n## About Model\n\nAt this time, there is only one model in this repository, [MobileNetV2_unet](.\u002Fsrc\u002Fmobile_seg\u002Fmodules\u002Fnet.py). As a typical U-Net architecture, it has encoder and decoder parts, which consist of depthwise conv blocks proposed by MobileNets.\n\nInput image is encoded to 1\u002F32 size, and then decoded to 1\u002F2. Finally, it scores the results and make it to original size.\n\n## Steps to training\n\n### Data Preparation\n\nData is available at LFW. To get mask images, refer [issue #11](..\u002F..\u002Fissues\u002F11) for more. After you got images and masks, put the images of faces and masks as shown below.\n```\ndata\u002F\n  lfw\u002F\n    raw\u002F\n      images\u002F\n        0001.jpg\n        0002.jpg\n      masks\u002F\n        0001.ppm\n        0002.ppm\n```\n\n### Training\n\nIf you use 224 x 224 as input size, pre-trained weight of MobileNetV2 is available. It will be automatically downloaded when you train model with the following command.\n\n```\ncd src\npython run_train.py params\u002F002.yaml\n```\n\nDice coefficient is used as a loss function.\n\n## Pretrained model\n\n|Input size|IoU|Download|\n|----|----|---|\n|224|0.89|[Google Drive](https:\u002F\u002Fdrive.google.com\u002Ffile\u002Fd\u002F11qBqH79RqCaibuACzZD_b9yIY9fwJinJ\u002Fview?usp=sharing)|\n\n## Converting\n\nAs the purpose of this project is to make model run in mobile device, this repository contains some scripts to convert models for iOS and Android.\n\n* [run_convert_coreml.py](src\u002Frun_convert_coreml.py)\n  * It converts trained PyTorch model into CoreML model for iOS app.\n\n## TBD\n\n- [x] Report speed vs accuracy in mobile device.\n- [ ] Convert pytorch to Android using TesorFlow Light\n\n\n","# 移动设备上的实时语义分割\n\n本项目是一个面向移动端实时应用的语义分割示例项目。\n\n该架构受到 [MobileNetV2](https:\u002F\u002Farxiv.org\u002Fabs\u002F1801.04381) 和 [U-Net](https:\u002F\u002Farxiv.org\u002Fabs\u002F1505.04597) 的启发。\n\n数据集使用的是 [LFW, Labeled Faces in the Wild](http:\u002F\u002Fvis-www.cs.umass.edu\u002Flfw\u002Fpart_labels\u002F)。\n\n该项目的目标是在移动设备上以合理的**准确率和速度**检测头发区域。目前，模型的 IoU 达到 0.89。\n\n关于速度与准确率的权衡，更多细节请参阅我的文章：[my post](https:\u002F\u002Fmedium.com\u002Fvitalify-asia\u002Freal-time-deep-learning-in-mobile-application-25cf601a8976)。\n\n![预测图像示例。](https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Fakirasosa_mobile-semantic-segmentation_readme_46d3a11cc130.png)\n\n## 示例应用\n\n* [iOS](https:\u002F\u002Fgithub.com\u002Fvfa-tranhv\u002FMobileAILab-HairColor-iOS)\n* Android（待完成）\n\n## 需求\n\n* Python 3.8\n* ```pip install -r requirements.txt -f https:\u002F\u002Fdownload.pytorch.org\u002Fwhl\u002Ftorch_stable.html```\n* iOS 应用需要 CoreML。\n\n## 关于模型\n\n目前仓库中仅有一个模型，即 [MobileNetV2_unet](.\u002Fsrc\u002Fmobile_seg\u002Fmodules\u002Fnet.py)。作为典型的 U-Net 架构，它包含编码器和解码器两部分，其中编码器由 MobileNets 提出的深度可分离卷积块组成。\n\n输入图像首先被编码至原尺寸的 1\u002F32，随后再解码回 1\u002F2 尺寸。最后，模型会对结果进行评分并将其恢复到原始尺寸。\n\n## 训练步骤\n\n### 数据准备\n\n数据可在 LFW 中获取。如需获取掩码图像，请参考 [issue #11](..\u002F..\u002Fissues\u002F11) 以获得更多信息。在准备好图像和掩码后，请按照如下目录结构放置人脸图像和对应的掩码：\n```\ndata\u002F\n  lfw\u002F\n    raw\u002F\n      images\u002F\n        0001.jpg\n        0002.jpg\n      masks\u002F\n        0001.ppm\n        0002.ppm\n```\n\n### 训练\n\n若使用 224 x 224 的输入尺寸，可直接使用预训练的 MobileNetV2 权重。在运行以下命令进行训练时，这些权重将自动下载。\n\n```\ncd src\npython run_train.py params\u002F002.yaml\n```\n\n损失函数采用 Dice 系数。\n\n## 预训练模型\n\n|输入尺寸|IoU|下载|\n|----|----|---|\n|224|0.89|[Google Drive](https:\u002F\u002Fdrive.google.com\u002Ffile\u002Fd\u002F11qBqH79RqCaibuACzZD_b9yIY9fwJinJ\u002Fview?usp=sharing)|\n\n## 模型转换\n\n由于本项目的目的是使模型能够在移动设备上运行，因此仓库中包含了一些用于将模型转换为 iOS 和 Android 格式的脚本。\n\n* [run_convert_coreml.py](src\u002Frun_convert_coreml.py)\n  * 该脚本可将训练好的 PyTorch 模型转换为适用于 iOS 应用的 CoreML 模型。\n\n## 待办事项\n\n- [x] 报告模型在移动设备上的速度与准确率。\n- [ ] 使用 TensorFlow Lite 将 PyTorch 模型转换为 Android 格式。","# mobile-semantic-segmentation 快速上手指南\n\n本项目是一个专为移动端设计的实时语义分割示例，旨在以合理的精度和速度检测头发区域（基于 LFW 数据集）。模型架构结合了 MobileNetV2 的深度可分离卷积与 U-Net 的编码器 - 解码器结构。\n\n## 环境准备\n\n在开始之前，请确保您的开发环境满足以下要求：\n\n*   **操作系统**: Linux, macOS 或 Windows\n*   **Python 版本**: Python 3.8\n*   **核心依赖**: PyTorch\n*   **移动端目标**: \n    *   iOS: 需要 CoreML 工具链\n    *   Android: 目前处于规划阶段 (TODO)\n\n## 安装步骤\n\n1.  **克隆项目代码**\n    ```bash\n    git clone \u003Crepository_url>\n    cd mobile-semantic-segmentation\n    ```\n\n2.  **安装 Python 依赖**\n    使用官方提供的稳定版 wheel 源安装依赖包，以确保 PyTorch 版本兼容性：\n    ```bash\n    pip install -r requirements.txt -f https:\u002F\u002Fdownload.pytorch.org\u002Fwhl\u002Ftorch_stable.html\n    ```\n    > **提示**: 如果下载速度较慢，国内用户可尝试添加清华或阿里镜像源参数，例如：`-i https:\u002F\u002Fpypi.tuna.tsinghua.edu.cn\u002Fsimple`。\n\n## 基本使用\n\n### 1. 数据准备\n\n本项目使用 [LFW (Labeled Faces in the Wild)](http:\u002F\u002Fvis-www.cs.umass.edu\u002Flfw\u002Fpart_labels\u002F) 数据集。您需要下载原始图像和对应的掩码（Mask），并按照以下目录结构存放：\n\n```text\ndata\u002F\n  lfw\u002F\n    raw\u002F\n      images\u002F\n        0001.jpg\n        0002.jpg\n      masks\u002F\n        0001.ppm\n        0002.ppm\n```\n*注：获取掩码图片的具体方法可参考项目 Issue #11。*\n\n### 2. 训练模型\n\n项目默认配置输入尺寸为 `224 x 224`。运行训练脚本时，系统会自动下载预训练的 MobileNetV2 权重。\n\n进入 `src` 目录并执行以下命令开始训练：\n\n```bash\ncd src\npython run_train.py params\u002F002.yaml\n```\n\n*   **损失函数**: 使用 Dice coefficient。\n*   **预期结果**: 训练完成后，模型在测试集上的 IoU 约为 0.89。\n\n### 3. 模型转换 (部署到 iOS)\n\n为了在 iOS 设备上运行，需要将训练好的 PyTorch 模型转换为 CoreML 格式：\n\n```bash\npython run_convert_coreml.py\n```\n*(注：请确保已在当前环境中加载了训练好的模型权重)*\n\n### 4. 使用预训练模型\n\n如果您不想从头训练，可以直接下载预训练模型：\n\n| 输入尺寸 | IoU | 下载地址 |\n| :--- | :--- | :--- |\n| 224 | 0.89 | [Google Drive](https:\u002F\u002Fdrive.google.com\u002Ffile\u002Fd\u002F11qBqH79RqCaibuACzZD_b9yIY9fwJinJ\u002Fview?usp=sharing) |\n\n下载后将其放入相应目录即可直接用于推理或转换。","某美妆创业团队正在开发一款 iOS 端“一键染发”应用，需要让用户在手机上实时预览不同发色效果。\n\n### 没有 mobile-semantic-segmentation 时\n- **依赖云端处理**：因手机算力不足，必须将用户照片上传至服务器进行头发分割，导致网络延迟高，用户体验卡顿。\n- **隐私泄露风险**：用户的人脸和发型数据需传输到第三方服务器，难以满足日益严格的数据隐私合规要求。\n- **离线功能缺失**：在无网络环境下（如地铁、飞机），核心试色功能完全不可用，大幅限制了应用场景。\n- **开发成本高昂**：团队需自行研发轻量化模型并手动优化算子，耗时数月仍难以在移动端兼顾精度与速度。\n\n### 使用 mobile-semantic-segmentation 后\n- **纯本地实时运行**：基于 MobileNetV2 与 U-Net 架构的模型可直接在 iPhone 上运行，利用 CoreML 加速，实现毫秒级头发区域精准分割。\n- **数据隐私安全**：所有图像处理均在用户设备本地完成，无需上传任何生物特征数据，彻底消除隐私顾虑。\n- **全天候可用**：摆脱了对网络连接的依赖，用户随时随地都能流畅体验试发色功能，显著提升留存率。\n- **快速落地部署**：直接复用其预训练权重（IoU 达 0.89）及 PyTorch 转 CoreML 脚本，将模型集成周期从数月缩短至数天。\n\nmobile-semantic-segmentation 通过将高精度的语义分割能力下沉至移动端，成功解决了实时性与隐私保护的矛盾，让复杂的 AI 特效在普通手机上也能流畅运行。","https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Fakirasosa_mobile-semantic-segmentation_46d3a11c.png","akirasosa",null,"https:\u002F\u002Foss.gittoolsai.com\u002Favatars\u002Fakirasosa_940a57c8.jpg","Japan","https:\u002F\u002Fgithub.com\u002Fakirasosa",[78,82],{"name":79,"color":80,"percentage":81},"Python","#3572A5",99.6,{"name":83,"color":84,"percentage":85},"Dockerfile","#384d54",0.4,722,133,"2025-12-10T13:07:15","MIT","未说明",{"notes":92,"python":93,"dependencies":94},"该项目旨在移动端运行，训练时若使用 224x224 输入尺寸会自动下载 MobileNetV2 预训练权重。包含将 PyTorch 模型转换为 iOS CoreML 模型的脚本。Android 端的 TensorFlow Lite 转换功能尚在计划中（TODO）。数据集需手动准备 LFW 及其对应的掩码文件。","3.8",[95,96],"torch","CoreMLTools",[15,14],[99,100,101,102,103,104,105,106,107,108,109],"coreml","lfw","semantic-segmentation","deep-learning","tensorflow","python","android","ios","mobilenets","u-net","pytorch","2026-03-27T02:49:30.150509","2026-04-17T08:25:58.111957",[113,118,123,128,133,138],{"id":114,"question_zh":115,"answer_zh":116,"source_url":117},36321,"如何训练模型以同时分割头发和脸部（多类语义分割）？","这是一个多类语义分割任务。要同时输出头发和脸部（不同颜色），需要修改数据生成器和模型输出层：\n1. 修改 `_create_datagen` (data.py) 以发送原始掩码：`mask_iter = mask_gen.flow(masks, seed=seed)`。\n2. 重塑迭代器的返回格式：`yield img, np.reshape(mask, (mask.shape[0], int(mask.shape[1])*int(mask.shape[2]), mask.shape[3]))`。\n3. 修改模型底部结构，将其重塑并改用 softmax 激活函数：\n   ```python\n   x = Reshape((int(x.shape[1])*int(x.shape[2]), num_classes))(x)\n   x = Activation('softmax')(x)\n   ```\n维护者建议 U-Net 易于训练，可以直接尝试上述方法。","https:\u002F\u002Fgithub.com\u002Fakirasosa\u002Fmobile-semantic-segmentation\u002Fissues\u002F12",{"id":119,"question_zh":120,"answer_zh":121,"source_url":122},36322,"LFW 数据集的文件结构应该如何整理？如何将 JPG 格式的掩码转换为 PPM 格式？","数据应整理为以下结构：\n```\ndata\u002F\n  raw\u002F\n    images\u002F\n      0001.jpg\n    masks\u002F\n      0001.ppm\n```\n如果需要将 JPG 格式的掩码转换为 PPM 格式，可以使用以下 Python 脚本（基于 PIL）：\n```python\nfrom PIL import Image\nimport os\nfrom os import listdir\n\ndef getAllFileInFolder(folderPath, fileExtension):\n    totalExtension = '.' + fileExtension if not fileExtension.startswith('.') else fileExtension\n    return [f for f in listdir(folderPath) if os.path.isfile(os.path.join(folderPath, f)) and f.endswith(totalExtension)]\n\ndataset_folder = 'data\u002Fmasks'\nfiles = getAllFileInFolder(dataset_folder, 'jpg')\nfor f in files:\n    filename = f.replace('.jpg','')\n    im = Image.open(os.path.join(dataset_folder, f))\n    im.save(os.path.join(dataset_folder, filename+'.ppm'))\n    os.remove(os.path.join(dataset_folder, f))\n```","https:\u002F\u002Fgithub.com\u002Fakirasosa\u002Fmobile-semantic-segmentation\u002Fissues\u002F11",{"id":124,"question_zh":125,"answer_zh":126,"source_url":127},36323,"是否有可用的预训练模型用于微调？","是的，作者已使用 PyTorch 重写了代码（比之前更简单），并上传了预训练权重。您可以访问项目主页的 \"Pretrained model\" 部分下载和使用。","https:\u002F\u002Fgithub.com\u002Fakirasosa\u002Fmobile-semantic-segmentation\u002Fissues\u002F17",{"id":129,"question_zh":130,"answer_zh":131,"source_url":132},36324,"在 CPU 模式下推理速度较慢（约 0.3s\u002F帧），如何优化或是否有相关性能记录？","官方提供的分析主要基于嵌入式 GPU 设备。在普通 MacBook Air (i7, 8GB) 上运行 224x224 图像时，推理速度约为 0.3 秒（约 3 FPS），难以达到 10 FPS。\n若需优化速度，可以尝试减小模型层数或通道数。例如，有用户定义了更轻量级的 U-Net 结构（初始卷积层仅 8 个滤波器，逐层加倍至 128），通过减少参数量来提升 CPU 推理速度。此外，加载权重时需确保模型层数与权重文件完全匹配，否则会报错（如“试图将包含 23 层的权重文件加载到 21 层的模型中”）。","https:\u002F\u002Fgithub.com\u002Fakirasosa\u002Fmobile-semantic-segmentation\u002Fissues\u002F46",{"id":134,"question_zh":135,"answer_zh":136,"source_url":137},36325,"如何处理输出边缘的细节？需要使用阈值处理 Sigmoid 输出吗？","Sigmoid 函数的输出本身就可以作为掩码（mask），其值域在 0 到 1 之间，代表了像素属于前景的概率。虽然双线性插值可能会平滑边缘细节，但通常不需要额外设置阈值强制将输出变为 0 或 1，直接使用 Sigmoid 输出即可得到较好的分割效果。","https:\u002F\u002Fgithub.com\u002Fakirasosa\u002Fmobile-semantic-segmentation\u002Fissues\u002F10",{"id":139,"question_zh":140,"answer_zh":141,"source_url":142},36326,"如何将模型修改为支持多类别分割（例如同时区分背景、头发和脸部）？","要将模型改为多类别分割，需进行以下关键修改：\n1. 将最后一层 Conv2D 的输出通道数改为类别数量（例如 3 类）：`Conv2D(3, (1,1) ...)(b18)`。\n2. 移除对掩码的单通道扩展操作（如 `np.expand_dims(masks[:, :, :, 0], axis=4)`），直接传入所有通道的掩码数据。\n3. 注意：修改后损失函数和行为可能会发生变化，初期训练结果可能看起来过好（因为模型区分度降低），需仔细验证验证集表现。对于整数标签的 2D 图像格式，可能需要将像素标签扩展为二进制通道（One-hot 编码）。","https:\u002F\u002Fgithub.com\u002Fakirasosa\u002Fmobile-semantic-segmentation\u002Fissues\u002F26",[]]