[{"data":1,"prerenderedAt":-1},["ShallowReactive",2],{"similar-bryanyzhu--two-stream-pytorch":3,"tool-bryanyzhu--two-stream-pytorch":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":79,"owner_twitter":81,"owner_website":82,"owner_url":83,"languages":84,"stars":89,"forks":90,"last_commit_at":91,"license":92,"difficulty_score":93,"env_os":94,"env_gpu":95,"env_ram":96,"env_deps":97,"category_tags":104,"github_topics":105,"view_count":23,"oss_zip_url":79,"oss_zip_packed_at":79,"status":16,"created_at":110,"updated_at":111,"faqs":112,"releases":153},1372,"bryanyzhu\u002Ftwo-stream-pytorch","two-stream-pytorch","PyTorch implementation of  two-stream networks for video action recognition","two-stream-pytorch 是一个基于 PyTorch 框架开源的视频动作识别工具，核心实现了经典的“双流卷积神经网络”架构。它旨在解决计算机视觉中如何精准理解视频内容的难题，通过模拟人类视觉系统，将视频分析拆解为两个并行的处理流：空间流负责从单帧 RGB 图像中提取外观特征，时间流则利用连续的光流图捕捉运动轨迹信息，最后融合两者结果以实现高精度的动作分类。\n\n该工具特别适合人工智能研究人员、算法工程师以及深度学习开发者使用。对于希望深入探究视频理解底层原理、复现经典论文（如 TSN 或 Hidden Two-Stream）成果，或需要在 UCF101 等标准数据集上构建基线模型的用户来说，这是一个极具价值的参考实现。其技术亮点在于提供了完整的训练与评估流程，支持从数据预处理（如光流提取）、模型训练到最终测试的全链路操作，并预置了 ResNet152 和 VGG16 等主流骨干网络的配置。作者在 UCF101 数据集上的测试结果显示，仅空间流和时间流分别就能达到约 85% 的准确率，证明了该实现的有效性与可靠性，是进入视频动作识别领域的优质入门代码库。","# PyTorch implementation of popular two-stream frameworks for video action recognition\n\nCurrent release is the PyTorch implementation of the \"Towards Good Practices for Very Deep Two-Stream ConvNets\". You can refer to paper for more details at [Arxiv](https:\u002F\u002Farxiv.org\u002Fabs\u002F1507.02159).\n\nIf you find this implementation useful in your work, please acknowledge it appropriately and cite the paper or code accordingly:\n\n```\n@article{zhu_arxiv2020_comprehensiveVideo,\n  title={A Comprehensive Study of Deep Video Action Recognition},\n  author={Yi Zhu, Xinyu Li, Chunhui Liu, Mohammadreza Zolfaghari, Yuanjun Xiong, Chongruo Wu, Zhi Zhang, Joseph Tighe, R. Manmatha, Mu Li},\n  journal={arXiv preprint arXiv:2012.06567},\n  year={2020}\n}\n\n@inproceedings{wang_eccv2016_tsn,\n  title={Temporal Segment Networks: Towards Good Practices for Deep Action Recognition},\n  author={Limin Wang, Yuanjun Xiong, Zhe Wang, Yu Qiao, Dahua Lin, Xiaoou Tang, Luc Van Gool},\n  booktitle={European Conference on Computer Vision (ECCV)},\n  year={2016}\n}\n\n@inproceedings{zhu_accv2018_hidden,\n  title={Hidden Two-Stream Convolutional Networks for Action Recognition},\n  author={Yi Zhu, Zhenzhong Lan, Shawn Newsam, Alexander G. Hauptmann},\n  booktitle={Asian Conference on Computer Vision (ACCV)},\n  url={https:\u002F\u002Farxiv.org\u002Fabs\u002F1704.00389}\n  year={2018}\n}\n```\n\nIf you are looking for a good-to-use codebase with a large model zoo, please checkout the video toolkit at [GluonCV](https:\u002F\u002Fgluon-cv.mxnet.io\u002Fmodel_zoo\u002Faction_recognition.html). We have SOTA model implementations (TSN, I3D, NLN, SlowFast, etc.) for popular datasets (Kinetics400, UCF101, Something-Something-v2, etc.) in both PyTorch and MXNet. We also have accompaning [survey paper](https:\u002F\u002Farxiv.org\u002Fabs\u002F2012.06567) and [video tutorial](https:\u002F\u002Fbryanyzhu.github.io\u002Fvideomodeling.github.io\u002F).\n\n## Installation\n\nTested on PyTorch:\n```\nOS: Ubuntu 16.04\nPython: 3.5\nCUDA: 8.0\nOpenCV3\ndense_flow\n```\nTo successfully install [dense_flow](https:\u002F\u002Fgithub.com\u002Fyjxiong\u002Fdense_flow\u002Ftree\u002Fopencv-3.1)(branch opencv-3.1), you probably need to install opencv3 with [opencv_contrib](https:\u002F\u002Fgithub.com\u002Fopencv\u002Fopencv_contrib). (For opencv-2.4.13, dense_flow will be installed more easily without  opencv_contrib, but you should run code of this repository under opencv3 to avoid error)\n\nCode also works for Python 2.7.\n\n## Data Preparation\nDownload data [UCF101](http:\u002F\u002Fcrcv.ucf.edu\u002Fdata\u002FUCF101.php) and use `unrar x UCF101.rar` to extract the videos.\n\nConvert video to frames and extract optical flow\n```\npython build_of.py --src_dir .\u002FUCF-101 --out_dir .\u002Fucf101_frames --df_path \u003Cpath to dense_flow>\n```\nbuild file lists for training and validation\n```\npython build_file_list.py --frame_path .\u002Fucf101_frames --out_list_path .\u002Fsettings\n```\n\n## Training\n\nFor spatial stream (single RGB frame), run:\n```\npython main_single_gpu.py DATA_PATH -m rgb -a rgb_resnet152 --new_length=1\n--epochs 250 --lr 0.001 --lr_steps 100 200\n```\n\nFor temporal stream (10 consecutive optical flow images), run:\n```\npython main_single_gpu.py DATA_PATH -m flow -a flow_resnet152\n--new_length=10 --epochs 350 --lr 0.001 --lr_steps 200 300\n```\n\n`DATA_PATH` is where you store RGB frames or optical flow images. Change the parameters passing to argparse as you need.\n\n## Testing\n\nGo into \"scripts\u002Feval_ucf101_pytorch\" folder, run `python spatial_demo.py` to obtain spatial stream result, and run `python temporal_demo.py` to obtain temporal stream result. Change those label files before running the script.\n\nFor ResNet152, I can obtain a 85.60% accuracy for spatial stream and 85.71% for temporal stream on the split 1 of UCF101 dataset. The result looks promising.\n[Pre-trained RGB_ResNet152 Model](https:\u002F\u002Fdrive.google.com\u002Fopen?id=1BU8TyW7u-skmkQFAVlQhA_5ZZvugZXAt)\n[Pre-trained Flow_ResNet152 Model](https:\u002F\u002Fdrive.google.com\u002Fopen?id=1KPoPYAslsdOMXbtqfi2y8TTn7zDEz898)\n\nFor VGG16, I can obtain a 78.5% accuracy for spatial stream and 80.4% for temporal stream on the split 1 of UCF101 dataset. The spatial result is close to the number reported in original paper, but flow result is 5% away. There are several reasons, maybe the pretained VGG16 model in PyTorch is differnt from Caffe, maybe there are subtle bugs in my VGG16 flow model. Welcome any comments if you found the reason why there is a performance gap.\n[Pre-trained RGB_VGG16 Model](https:\u002F\u002Fdrive.google.com\u002Fopen?id=1o-83QlDXN1EC4HVgNfJtDNvYCs72A26O)\n[Pre-trained Flow_VGG16 Model](https:\u002F\u002Fdrive.google.com\u002Fopen?id=1mATFI0QAHj6OgzJLzw9fhXNH1kpzQmDo)\n\nI am experimenting with memory efficient DenseNet now, will release the code in a couple of days. Stay tuned.\n\n## Related Projects\n\n[TSN](https:\u002F\u002Fgithub.com\u002Fyjxiong\u002Ftemporal-segment-networks): Temporal Segment Networks: Towards Good Practices for Deep Action Recognition\n\n[Hidden Two-Stream](https:\u002F\u002Fgithub.com\u002Fbryanyzhu\u002FHidden-Two-Stream): Hidden Two-Stream Convolutional Networks for Action Recognition\n","# PyTorch 实现的热门双流框架用于视频动作识别\n\n当前版本为“面向深度双流卷积网络的良好实践”项目的 PyTorch 实现版本。更多详细信息，请参阅论文 [Arxiv](https:\u002F\u002Farxiv.org\u002Fabs\u002F1507.02159)。\n\n如果您在工作中发现此实现非常有用，请务必予以适当认可，并按要求引用相关论文或代码：\n\n```\n@article{zhu_arxiv2020_comprehensiveVideo,\n  title={深度视频动作识别的全面研究},\n  author={Yi Zhu, Xinyu Li, Chunhui Liu, Mohammadreza Zolfaghari, Yuanjun Xiong, Chongruo Wu, Zhi Zhang, Joseph Tighe, R. Manmatha, Mu Li},\n  journal={arXiv预印本 arXiv:2012.06567},\n  year={2020}\n}\n\n@inproceedings{wang_eccv2016_tsn,\n  title={时间片段网络：迈向深度动作识别的良好实践},\n  author={Limin Wang, Yuanjun Xiong, Zhe Wang, Yu Qiao, Dahua Lin, Xiaoou Tang, Luc Van Gool},\n  booktitle={欧洲计算机视觉大会 (ECCV)},\n  year={2016}\n}\n\n@inproceedings{zhu_accv2018_hidden,\n  title={用于动作识别的隐藏双流卷积网络},\n  author={Yi Zhu, Zhenzhong Lan, Shawn Newsam, Alexander G. Hauptmann},\n  booktitle={亚洲计算机视觉大会 (ACCV)},\n  url={https:\u002F\u002Farxiv.org\u002Fabs\u002F1704.00389}\n  year={2018}\n}\n```\n\n如果您正在寻找一款功能强大、模型库丰富的优质代码库，欢迎前往 [GluonCV](https:\u002F\u002Fgluon-cv.mxnet.io\u002Fmodel_zoo\u002Faction_recognition.html) 查看。我们不仅提供了多种热门数据集（如 Kinetics400、UCF101、Something-Something-v2 等）的 SOTA 模型实现（TSN、I3D、NLN、SlowFast 等），还支持 PyTorch 和 MXNet 两种框架。此外，我们还发布了配套的 [综述论文](https:\u002F\u002Farxiv.org\u002Fabs\u002F2012.06567) 和 [视频教程](https:\u002F\u002Fbryanyzhu.github.io\u002Fvideomodeling.github.io\u002F)。\n\n## 安装\n\n已在 PyTorch 上进行测试：\n```\n操作系统：Ubuntu 16.04\nPython 版本：3.5\nCUDA 版本：8.0\nOpenCV3\ndense_flow\n```\n若要成功安装 [dense_flow](https:\u002F\u002Fgithub.com\u002Fyjxiong\u002Fdense_flow\u002Ftree\u002Fopencv-3.1)(分支名为 opencv-3.1)，您可能需要先通过 [opencv_contrib](https:\u002F\u002Fgithub.com\u002Fopencv\u002Fopencv_contrib) 安装 OpenCV3。对于 OpenCV2.4.13，无需使用 opencv_contrib 即可更轻松地安装 dense_flow，但为了避免出现错误，建议您在 OpenCV3 的环境下运行该仓库中的代码。\n\n该代码同样适用于 Python 2.7。\n\n## 数据准备\n\n下载数据 [UCF101](http:\u002F\u002Fcrcv.ucf.edu\u002Fdata\u002FUCF101.php)，并使用 `unrar x UCF101.rar` 解压视频文件。\n\n将视频转换为帧，并提取光流信息：\n```\npython build_of.py --src_dir .\u002FUCF-101 --out_dir .\u002Fucf101_frames --df_path \u003Cpath to dense_flow>\n```\n构建训练和验证所需的文件列表：\n```\npython build_file_list.py --frame_path .\u002Fucf101_frames --out_list_path .\u002Fsettings\n```\n\n## 训练\n\n对于空间流（单个 RGB 帧），运行以下命令：\n```\npython main_single_gpu.py DATA_PATH -m rgb -a rgb_resnet152 --new_length=1\n--epochs 250 --lr 0.001 --lr_steps 100 200\n```\n\n对于时间流（连续 10 张光流图像），运行以下命令：\n```\npython main_single_gpu.py DATA_PATH -m flow -a flow_resnet152\n--new_length=10 --epochs 350 --lr 0.001 --lr_steps 200 300\n```\n\n其中，`DATA_PATH` 是存放 RGB 帧或光流图像的目录。请根据实际需求调整传递给 `argparse` 的参数。\n\n## 测试\n\n进入“scripts\u002Feval_ucf101_pytorch”文件夹，运行 `python spatial_demo.py` 获取空间流结果；运行 `python temporal_demo.py` 获取时间流结果。在运行脚本前，请先修改相应的标签文件。\n\n以 ResNet152 为例，在 UCF101 数据集的第 1 分割中，我分别获得了 85.60% 的空间流准确率和 85.71% 的时间流准确率。这一结果令人鼓舞。\n[预训练的 RGB_ResNet152 模型](https:\u002F\u002Fdrive.google.com\u002Fopen?id=1BU8TyW7u-skmkQFAVlQhA_5ZZvugZXAt)\n[预训练的 Flow_ResNet152 模型](https:\u002F\u002Fdrive.google.com\u002Fopen?id=1KPoPYAslsdOMXbtqfi2y8TTn7zDEz898)\n\n以 VGG16 为例，在 UCF101 数据集的第 1 分割中，我获得了 78.5% 的空间流准确率和 80.4% 的时间流准确率。空间流的结果与原始论文中的报告数值较为接近，但时间流结果仍相差 5%。造成这一差距的原因有很多，可能是 PyTorch 中预训练的 VGG16 模型与 Caffe 的实现存在差异，也可能是我的 VGG16 时间流模型中存在一些细微的 bug。如果您发现了性能差距的原因，请随时提出宝贵意见。\n[预训练的 RGB_VGG16 模型](https:\u002F\u002Fdrive.google.com\u002Fopen?id=1o-83QlDXN1EC4HVgNfJtDNvYCs72A26O)\n[预训练的 Flow_VGG16 模型](https:\u002F\u002Fdrive.google.com\u002Fopen?id=1mATFI0QAHj6OgzJLzw9fhXNH1kpzQmDo)\n\n目前我正尝试开发内存效率更高的 DenseNet 模型，预计将在几天内发布相关代码。敬请期待！\n\n## 相关项目\n\n[TSN](https:\u002F\u002Fgithub.com\u002Fyjxiong\u002Ftemporal-segment-networks)：时间片段网络：迈向深度动作识别的良好实践\n\n[Hidden Two-Stream](https:\u002F\u002Fgithub.com\u002Fbryanyzhu\u002FHidden-Two-Stream)：用于动作识别的隐藏双流卷积网络","# two-stream-pytorch 快速上手指南\n\n本指南基于 `two-stream-pytorch` 项目，帮助开发者快速搭建用于视频动作识别的双流卷积神经网络（Two-Stream ConvNets）环境。\n\n## 1. 环境准备\n\n在开始之前，请确保您的系统满足以下要求。该项目主要在 Ubuntu 16.04 上测试通过。\n\n*   **操作系统**: Ubuntu 16.04 (推荐)\n*   **Python**: 3.5 (也支持 2.7)\n*   **CUDA**: 8.0\n*   **核心依赖**:\n    *   PyTorch\n    *   OpenCV 3 (必须包含 `opencv_contrib` 模块以支持光流计算)\n    *   `dense_flow` (光流提取工具)\n\n> **注意**：安装 `dense_flow` 前，务必先安装带有 contrib 模块的 OpenCV 3。如果使用 OpenCV 2.4.13 虽可简化 `dense_flow` 安装，但运行本仓库代码时可能会报错，因此强烈建议使用 OpenCV 3。\n\n## 2. 安装步骤\n\n### 2.1 安装基础依赖\n首先安装 PyTorch 和 OpenCV 3（含 contrib）。由于官方源下载较慢，国内用户推荐使用清华或阿里镜像源安装 Python 包。\n\n```bash\n# 示例：使用 pip 安装 PyTorch (请根据具体 CUDA 版本选择对应命令)\npip install torch torchvision -i https:\u002F\u002Fpypi.tuna.tsinghua.edu.cn\u002Fsimple\n\n# 安装 OpenCV 3 (需确保包含 contrib 模块，建议从源码编译或使用预编译包)\n# 此处以 apt 为例，具体编译步骤请参考 opencv_contrib 官方文档\nsudo apt-get install libopencv-dev python3-opencv\n```\n\n### 2.2 编译并安装 dense_flow\n`dense_flow` 是提取光流特征的关键工具，需要从源码编译。\n\n```bash\n# 克隆 dense_flow 仓库 (指定 opencv-3.1 分支)\ngit clone -b opencv-3.1 https:\u002F\u002Fgithub.com\u002Fyjxiong\u002Fdense_flow.git\ncd dense_flow\n\n# 修改 CMakeLists.txt 中的 OpenCV 路径（如果自动检测失败）\n# 然后进行编译\nmkdir build && cd build\ncmake ..\nmake -j$(nproc)\nsudo make install\n```\n*记下 `dense_flow` 的安装路径，后续数据预处理需要用到。*\n\n### 2.3 获取本项目代码\n```bash\ngit clone https:\u002F\u002Fgithub.com\u002Fbryanyzhu\u002Ftwo-stream-pytorch.git\ncd two-stream-pytorch\n```\n\n## 3. 基本使用\n\n### 3.1 数据准备\n以 UCF101 数据集为例，下载数据并解压：\n```bash\n# 下载 UCF101.rar 后执行\nunrar x UCF101.rar\n```\n\n**转换视频为帧并提取光流：**\n将 `\u003Cpath to dense_flow>` 替换为实际安装路径。\n```bash\npython build_of.py --src_dir .\u002FUCF-101 --out_dir .\u002Fucf101_frames --df_path \u003Cpath to dense_flow>\n```\n\n**生成训练和验证文件列表：**\n```bash\npython build_file_list.py --frame_path .\u002Fucf101_frames --out_list_path .\u002Fsettings\n```\n\n### 3.2 模型训练\n\n本项目包含空间流（RGB 图像）和时间流（光流图像）两个分支的训练脚本。\n\n**训练空间流 (Spatial Stream):**\n使用单张 RGB 图像作为输入。\n```bash\npython main_single_gpu.py DATA_PATH -m rgb -a rgb_resnet152 --new_length=1 \\\n--epochs 250 --lr 0.001 --lr_steps 100 200\n```\n\n**训练时间流 (Temporal Stream):**\n使用 10 张连续的光流图像作为输入。\n```bash\npython main_single_gpu.py DATA_PATH -m flow -a flow_resnet152 \\\n--new_length=10 --epochs 350 --lr 0.001 --lr_steps 200 300\n```\n*注：`DATA_PATH` 请替换为您存储 RGB 帧或光流图像的实际路径。*\n\n### 3.3 模型测试与评估\n\n进入评估目录并运行演示脚本。运行前请根据需要修改脚本中的标签文件路径。\n\n```bash\ncd scripts\u002Feval_ucf101_pytorch\n\n# 获取空间流结果\npython spatial_demo.py\n\n# 获取时间流结果\npython temporal_demo.py\n```\n\n**预训练模型参考：**\n作者提供了在 UCF101 Split 1 上的预训练模型，可直接下载使用：\n*   **RGB_ResNet152**: [下载链接](https:\u002F\u002Fdrive.google.com\u002Fopen?id=1BU8TyW7u-skmkQFAVlQhA_5ZZvugZXAt) (准确率约 85.60%)\n*   **Flow_ResNet152**: [下载链接](https:\u002F\u002Fdrive.google.com\u002Fopen?id=1KPoPYAslsdOMXbtqfi2y8TTn7zDEz898) (准确率约 85.71%)","某安防科技公司的算法团队正在开发一套智能视频监控系统，需要从海量监控录像中自动识别“打架”、“跌倒”或“奔跑”等特定异常行为。\n\n### 没有 two-stream-pytorch 时\n- **动作识别准确率低**：仅依靠单帧 RGB 图像分析，模型难以区分外观相似但动作不同的行为（如“挥手”与“打拳”），导致误报频发。\n- **忽略时间动态特征**：缺乏对光流（Optical Flow）的有效提取与建模，无法捕捉物体运动的速度和方向变化，丢失了视频中最关键的动作线索。\n- **复现顶尖论文困难**：团队需从零搭建双路网络架构，调试空间流与时间流的融合策略耗时耗力，难以快速复现 ECCV 等顶会提出的 SOTA 效果。\n- **训练流程繁琐**：缺少标准化的数据预处理脚本，将视频转换为帧序列并计算稠密光流的步骤容易出错，严重拖慢实验迭代速度。\n\n### 使用 two-stream-pytorch 后\n- **显著提升识别精度**：利用预训练的 ResNet152 双流模型，在 UCF101 数据集上空间流与时间流准确率均超 85%，有效解决了静态图像无法判断动态行为的难题。\n- **完美融合时空信息**：工具原生支持并行处理 RGB 帧与连续光流图，让模型同时掌握“长什么样”和“怎么动”，大幅降低了对相似动作的误判率。\n- **快速落地最佳实践**：直接复用基于《Towards Good Practices for Very Deep Two-Stream ConvNets》论文的成熟代码，团队无需重复造轮子，一周内即可完成基线模型部署。\n- **自动化数据流水线**：内置 `build_of.py` 等脚本一键完成视频分帧与光流提取，标准化了训练数据准备流程，让研究人员能专注于模型调优而非数据清洗。\n\ntwo-stream-pytorch 通过成熟的双流架构与自动化流程，帮助团队以最低成本实现了高精度的视频动作识别，将研发周期从数月缩短至数周。","https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Fbryanyzhu_two-stream-pytorch_09c4ba67.png","bryanyzhu","Yi Zhu","https:\u002F\u002Foss.gittoolsai.com\u002Favatars\u002Fbryanyzhu_2bd4e165.jpg","ML practitioner",null,"SF Bay Area","yizhu59","https:\u002F\u002Fbryanyzhu.github.io\u002F","https:\u002F\u002Fgithub.com\u002Fbryanyzhu",[85],{"name":86,"color":87,"percentage":88},"Python","#3572A5",100,582,150,"2025-11-20T06:08:40","MIT",5,"Linux","需要 NVIDIA GPU，具体型号和显存未说明，需安装 CUDA 8.0","未说明",{"notes":98,"python":99,"dependencies":100},"该项目主要在 Ubuntu 16.04 上测试。安装 dense_flow 依赖时，若使用 OpenCV3 分支，必须编译安装带有 opencv_contrib 模块的 OpenCV3。数据预处理需要先将视频转换为帧并提取光流文件。代码库较旧，环境配置可能具有挑战性。","3.5 (也支持 2.7)",[101,102,103],"PyTorch","OpenCV3 (需包含 opencv_contrib 模块)","dense_flow",[52,13],[106,107,108,109],"action-recognition","pytorch","two-stream","video","2026-03-27T02:49:30.150509","2026-04-06T05:37:45.114953",[113,118,123,128,133,138,143,148],{"id":114,"question_zh":115,"answer_zh":116,"source_url":117},6297,"如何使用摄像头视频输入进行动作识别？","对于在线视频，通常的做法是等待几帧后进行预测并取平均值，然后以滑动窗口的方式重复此过程。具体来说，`num_samples` 表示从一个视频中采样的帧数（标准设置为每视频 25 帧），并对每帧进行 10-crop 操作，因此每个视频实际执行 250 次前向传播并平均预测结果以获得最终输出。","https:\u002F\u002Fgithub.com\u002Fbryanyzhu\u002Ftwo-stream-pytorch\u002Fissues\u002F45",{"id":119,"question_zh":120,"answer_zh":121,"source_url":122},6298,"运行代码时遇到 'Need input.size[1] == 3 but got 30' 错误怎么办？","该错误是因为输入维度不匹配（VGG 期望通道数为 3，但实际得到了 30，可能是因为一次性喂入了 10 帧）。维护者已更新代码库以解决此问题，请拉取最新代码重试。如果问题仍然存在，请检查是否将多帧数据错误地堆叠在了通道维度上，应确保输入形状符合模型要求。","https:\u002F\u002Fgithub.com\u002Fbryanyzhu\u002Ftwo-stream-pytorch\u002Fissues\u002F7",{"id":124,"question_zh":125,"answer_zh":126,"source_url":127},6299,"预期的最佳准确率是多少？","维护者已更新代码并添加了测试脚本及报告的准确率数据。用户可以尝试复现该结果。通常，通过在测试时对每个视频采样多帧（如 25\u002F50\u002F100 帧）并平均所有预测结果，可以获得更好的准确率，这是大多数论文采用的做法。","https:\u002F\u002Fgithub.com\u002Fbryanyzhu\u002Ftwo-stream-pytorch\u002Fissues\u002F6",{"id":129,"question_zh":130,"answer_zh":131,"source_url":132},6300,"安装 dense_flow 时遇到编译错误如何解决？","由于维护者无法在本地复现该错误，难以直接调试。建议前往 `dense_flow` 官方仓库寻求帮助。此外，有用户反馈使用 Docker 可以有效解决视频光流计算的环境依赖和安装问题。","https:\u002F\u002Fgithub.com\u002Fbryanyzhu\u002Ftwo-stream-pytorch\u002Fissues\u002F26",{"id":134,"question_zh":135,"answer_zh":136,"source_url":137},6301,"对光流图像进行水平翻转时需要注意什么？","当对图像进行水平翻转时，X 方向的光流分量也会发生变化（需要取反）。可以参考 TSN PyTorch 实现中的代码片段来处理这一逻辑：https:\u002F\u002Fgithub.com\u002Fyjxiong\u002Ftsn-pytorch\u002Fblob\u002Fmaster\u002Ftransforms.py#L45-L60，以确保数据增强后的光流信息正确。","https:\u002F\u002Fgithub.com\u002Fbryanyzhu\u002Ftwo-stream-pytorch\u002Fissues\u002F12",{"id":139,"question_zh":140,"answer_zh":141,"source_url":142},6302,"该仓库支持哪些 PyTorch 和 CUDA 版本？","该仓库最初基于 PyTorch 0.3 开发，应该兼容 PyTorch 0.4, 0.5, 1.0 和 1.1 版本。从 PyTorch 1.2 开始，部分 API 发生了变化可能会导致代码报错或仅产生警告。虽然不确定是否完全兼容更高版本（如配合 CUDA 10 和 Python 3.7+），但用户可以尝试运行，如有问题需自行调整适配。","https:\u002F\u002Fgithub.com\u002Fbryanyzhu\u002Ftwo-stream-pytorch\u002Fissues\u002F41",{"id":144,"question_zh":145,"answer_zh":146,"source_url":147},6303,"模型可以直接输入视频文件进行测试吗？","本仓库仅支持加载图像帧，因此需要先将视频解码为帧序列再进行测试。如果需要直接加载视频进行训练和测试，推荐使用 [gluoncv](https:\u002F\u002Fgithub.com\u002Fdmlc\u002Fgluon-cv\u002Ftree\u002Fmaster\u002Fgluoncv\u002Fmodel_zoo\u002Faction_recognition) 的视频工具包，或者尝试使用 mmaction（PyTorch 代码库）。","https:\u002F\u002Fgithub.com\u002Fbryanyzhu\u002Ftwo-stream-pytorch\u002Fissues\u002F39",{"id":149,"question_zh":150,"answer_zh":151,"source_url":152},6304,"光流分量在输入时间网络前是否被重缩放到 [0,255]？","是的，正如论文中所述，光流分量在输入到时间网络之前会被重缩放到 [0,255] 范围。这也适用于预训练的 flow model (resnet152)。如果您需要自定义处理，也可以手动执行此缩放操作。","https:\u002F\u002Fgithub.com\u002Fbryanyzhu\u002Ftwo-stream-pytorch\u002Fissues\u002F27",[]]