[{"data":1,"prerenderedAt":-1},["ShallowReactive",2],{"similar-hszhao--semseg":3,"tool-hszhao--semseg":62},[4,18,26,35,44,53],{"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},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。",108322,2,"2026-04-10T11:39:34",[14,15,13],{"id":36,"name":37,"github_repo":38,"description_zh":39,"stars":40,"difficulty_score":32,"last_commit_at":41,"category_tags":42,"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",[43,13,15,14],"插件",{"id":45,"name":46,"github_repo":47,"description_zh":48,"stars":49,"difficulty_score":10,"last_commit_at":50,"category_tags":51,"status":17},4487,"LLMs-from-scratch","rasbt\u002FLLMs-from-scratch","LLMs-from-scratch 是一个基于 PyTorch 的开源教育项目，旨在引导用户从零开始一步步构建一个类似 ChatGPT 的大型语言模型（LLM）。它不仅是同名技术著作的官方代码库，更提供了一套完整的实践方案，涵盖模型开发、预训练及微调的全过程。\n\n该项目主要解决了大模型领域“黑盒化”的学习痛点。许多开发者虽能调用现成模型，却难以深入理解其内部架构与训练机制。通过亲手编写每一行核心代码，用户能够透彻掌握 Transformer 架构、注意力机制等关键原理，从而真正理解大模型是如何“思考”的。此外，项目还包含了加载大型预训练权重进行微调的代码，帮助用户将理论知识延伸至实际应用。\n\nLLMs-from-scratch 特别适合希望深入底层原理的 AI 开发者、研究人员以及计算机专业的学生。对于不满足于仅使用 API，而是渴望探究模型构建细节的技术人员而言，这是极佳的学习资源。其独特的技术亮点在于“循序渐进”的教学设计：将复杂的系统工程拆解为清晰的步骤，配合详细的图表与示例，让构建一个虽小但功能完备的大模型变得触手可及。无论你是想夯实理论基础，还是为未来研发更大规模的模型做准备",90106,"2026-04-06T11:19:32",[52,15,13,14],"语言模型",{"id":54,"name":55,"github_repo":56,"description_zh":57,"stars":58,"difficulty_score":10,"last_commit_at":59,"category_tags":60,"status":17},4292,"Deep-Live-Cam","hacksider\u002FDeep-Live-Cam","Deep-Live-Cam 是一款专注于实时换脸与视频生成的开源工具，用户仅需一张静态照片，即可通过“一键操作”实现摄像头画面的即时变脸或制作深度伪造视频。它有效解决了传统换脸技术流程繁琐、对硬件配置要求极高以及难以实时预览的痛点，让高质量的数字内容创作变得触手可及。\n\n这款工具不仅适合开发者和技术研究人员探索算法边界，更因其极简的操作逻辑（仅需三步：选脸、选摄像头、启动），广泛适用于普通用户、内容创作者、设计师及直播主播。无论是为了动画角色定制、服装展示模特替换，还是制作趣味短视频和直播互动，Deep-Live-Cam 都能提供流畅的支持。\n\n其核心技术亮点在于强大的实时处理能力，支持口型遮罩（Mouth Mask）以保留使用者原始的嘴部动作，确保表情自然精准；同时具备“人脸映射”功能，可同时对画面中的多个主体应用不同面孔。此外，项目内置了严格的内容安全过滤机制，自动拦截涉及裸露、暴力等不当素材，并倡导用户在获得授权及明确标注的前提下合规使用，体现了技术发展与伦理责任的平衡。",88924,"2026-04-06T03:28:53",[14,15,13,61],"视频",{"id":63,"github_repo":64,"name":65,"description_en":66,"description_zh":67,"ai_summary_zh":68,"readme_en":69,"readme_zh":70,"quickstart_zh":71,"use_case_zh":72,"hero_image_url":73,"owner_login":74,"owner_name":75,"owner_avatar_url":76,"owner_bio":77,"owner_company":78,"owner_location":79,"owner_email":77,"owner_twitter":77,"owner_website":80,"owner_url":81,"languages":82,"stars":99,"forks":100,"last_commit_at":101,"license":102,"difficulty_score":103,"env_os":104,"env_gpu":105,"env_ram":106,"env_deps":107,"category_tags":113,"github_topics":77,"view_count":32,"oss_zip_url":77,"oss_zip_packed_at":77,"status":17,"created_at":114,"updated_at":115,"faqs":116,"releases":149},8813,"hszhao\u002Fsemseg","semseg","Semantic Segmentation in Pytorch","semseg 是一个基于 PyTorch 框架开发的开源项目，专注于语义分割与场景解析任务。它的核心目标是将图像中的每个像素精准分类，从而让计算机“看懂”图片内容，广泛应用于自动驾驶道路识别、卫星地图分析以及智能监控等领域。\n\n该项目有效解决了深度学习模型在训练和测试过程中配置复杂、复现困难的问题。通过提供高度模块化的代码结构，semseg 让用户能够轻松地在 ADE20K、PASCAL VOC 和 Cityscapes 等主流数据集上复现 PSPNet、PSANet 等经典算法。这些算法曾在多项国际顶级竞赛中斩获冠军，证明了其卓越的性能。\n\nsemseg 特别适合计算机视觉领域的研究人员、算法工程师及高校学生使用。对于希望快速验证新想法或需要高质量基准模型进行二次开发的团队，它是一个非常理想的起点。普通用户若仅想体验效果，也可利用其提供的演示脚本对单张图片进行快速测试。\n\n在技术亮点方面，semseg 支持高效的多进程分布式训练，并集成了官方的同步批归一化（SyncBatchNorm）技术，显著提升了多显卡环境下的训练速度与稳定性。此外，项目还内置了 TensorBoard 可视化支","semseg 是一个基于 PyTorch 框架开发的开源项目，专注于语义分割与场景解析任务。它的核心目标是将图像中的每个像素精准分类，从而让计算机“看懂”图片内容，广泛应用于自动驾驶道路识别、卫星地图分析以及智能监控等领域。\n\n该项目有效解决了深度学习模型在训练和测试过程中配置复杂、复现困难的问题。通过提供高度模块化的代码结构，semseg 让用户能够轻松地在 ADE20K、PASCAL VOC 和 Cityscapes 等主流数据集上复现 PSPNet、PSANet 等经典算法。这些算法曾在多项国际顶级竞赛中斩获冠军，证明了其卓越的性能。\n\nsemseg 特别适合计算机视觉领域的研究人员、算法工程师及高校学生使用。对于希望快速验证新想法或需要高质量基准模型进行二次开发的团队，它是一个非常理想的起点。普通用户若仅想体验效果，也可利用其提供的演示脚本对单张图片进行快速测试。\n\n在技术亮点方面，semseg 支持高效的多进程分布式训练，并集成了官方的同步批归一化（SyncBatchNorm）技术，显著提升了多显卡环境下的训练速度与稳定性。此外，项目还内置了 TensorBoard 可视化支持，并公开了预训练模型与完整评测结果，帮助用户大幅降低上手门槛，专注于核心算法研究。","# PyTorch Semantic Segmentation\n\n### Introduction\n\nThis repository is a PyTorch implementation for semantic segmentation \u002F scene parsing. The code is easy to use for training and testing on various datasets. The codebase mainly uses ResNet50\u002F101\u002F152 as backbone and can be easily adapted to other basic classification structures. Implemented networks including [PSPNet](https:\u002F\u002Fhszhao.github.io\u002Fprojects\u002Fpspnet) and [PSANet](https:\u002F\u002Fhszhao.github.io\u002Fprojects\u002Fpsanet), which ranked 1st places in [ImageNet Scene Parsing Challenge 2016 @ECCV16](http:\u002F\u002Fimage-net.org\u002Fchallenges\u002FLSVRC\u002F2016\u002Fresults), [LSUN Semantic Segmentation Challenge 2017 @CVPR17](https:\u002F\u002Fblog.mapillary.com\u002Fproduct\u002F2017\u002F06\u002F13\u002Flsun-challenge.html) and [WAD Drivable Area Segmentation Challenge 2018 @CVPR18](https:\u002F\u002Fbdd-data.berkeley.edu\u002Fwad-2018.html). Sample experimented datasets are [ADE20K](http:\u002F\u002Fsceneparsing.csail.mit.edu), [PASCAL VOC 2012](http:\u002F\u002Fhost.robots.ox.ac.uk:8080\u002Fleaderboard\u002Fdisplaylb.php?challengeid=11&compid=6) and [Cityscapes](https:\u002F\u002Fwww.cityscapes-dataset.com).\n\n\u003Cimg src=\"https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Fhszhao_semseg_readme_cdef420bd7d3.png\" width=\"900\"\u002F>\n\n### Update\n\n- 2020.05.15: Branch `master`, use official [nn.SyncBatchNorm](https:\u002F\u002Fpytorch.org\u002Fdocs\u002Fmaster\u002Fnn.html#torch.nn.SyncBatchNorm), only multiprocessing training is supported, tested with pytorch 1.4.0.\n- 2019.05.29: Branch `1.0.0`, both multithreading training ([nn.DataParallel](https:\u002F\u002Fpytorch.org\u002Fdocs\u002Fstable\u002Fnn.html#dataparallel)) and multiprocessing training ([nn.parallel.DistributedDataParallel](https:\u002F\u002Fpytorch.org\u002Fdocs\u002Fstable\u002F_modules\u002Ftorch\u002Fnn\u002Fparallel\u002Fdistributed.html)) (**recommended**) are supported. And the later one is much faster. Use `syncbn` from [EncNet](https:\u002F\u002Fgithub.com\u002Fzhanghang1989\u002FPyTorch-Encoding) and [apex](https:\u002F\u002Fgithub.com\u002FNVIDIA\u002Fapex), tested with pytorch 1.0.0.\n\n### Usage\n\n1. Highlight:\n\n   - Fast multiprocessing training ([nn.parallel.DistributedDataParallel](https:\u002F\u002Fpytorch.org\u002Fdocs\u002Fstable\u002F_modules\u002Ftorch\u002Fnn\u002Fparallel\u002Fdistributed.html)) with official [nn.SyncBatchNorm](https:\u002F\u002Fpytorch.org\u002Fdocs\u002Fmaster\u002Fnn.html#torch.nn.SyncBatchNorm).\n   - Better reimplementation results with well designed code structures.\n   - All initialization models, trained models and predictions are [available](https:\u002F\u002Fdrive.google.com\u002Fopen?id=15wx9vOM0euyizq-M1uINgN0_wjVRf9J3).\n\n2. Requirement:\n\n   - Hardware: 4-8 GPUs (better with >=11G GPU memory)\n   - Software: PyTorch>=1.1.0, Python3, [tensorboardX](https:\u002F\u002Fgithub.com\u002Flanpa\u002FtensorboardX), \n\n3. Clone the repository:\n\n   ```shell\n   git clone https:\u002F\u002Fgithub.com\u002Fhszhao\u002Fsemseg.git\n   ```\n\n4. Train:\n\n   - Download related datasets and symlink the paths to them as follows (you can alternatively modify the relevant paths specified in folder `config`):\n\n     ```\n     cd semseg\n     mkdir -p dataset\n     ln -s \u002Fpath_to_ade20k_dataset dataset\u002Fade20k\n     ```\n\n   - Download ImageNet pre-trained [models]((https:\u002F\u002Fdrive.google.com\u002Fopen?id=15wx9vOM0euyizq-M1uINgN0_wjVRf9J3)) and put them under folder `initmodel` for weight initialization. Remember to use the right dataset format detailed in [FAQ.md](.\u002FFAQ.md).\n\n   - Specify the gpu used in config then do training:\n\n     ```shell\n     sh tool\u002Ftrain.sh ade20k pspnet50\n     ```\n   - If you are using [SLURM](https:\u002F\u002Fslurm.schedmd.com\u002Fdocumentation.html) for nodes manager, uncomment lines in train.sh and then do training:\n\n     ```shell\n     sbatch tool\u002Ftrain.sh ade20k pspnet50\n     ```\n\n5. Test:\n\n   - Download trained segmentation models and put them under folder specified in config or modify the specified paths.\n\n   - For full testing (get listed performance):\n\n     ```shell\n     sh tool\u002Ftest.sh ade20k pspnet50\n     ```\n\n   - **Quick demo** on one image:\n\n     ```shell\n     PYTHONPATH=.\u002F python tool\u002Fdemo.py --config=config\u002Fade20k\u002Fade20k_pspnet50.yaml --image=figure\u002Fdemo\u002FADE_val_00001515.jpg TEST.scales '[1.0]'\n     ```\n\n6. Visualization: [tensorboardX](https:\u002F\u002Fgithub.com\u002Flanpa\u002FtensorboardX) incorporated for better visualization.\n\n   ```shell\n   tensorboard --logdir=exp\u002Fade20k\n   ```\n\n7. Other:\n\n   - Resources: GoogleDrive [LINK](https:\u002F\u002Fdrive.google.com\u002Fopen?id=15wx9vOM0euyizq-M1uINgN0_wjVRf9J3) contains shared models, visual predictions and data lists.\n   - Models: ImageNet pre-trained models and trained segmentation models can be accessed. Note that our ImageNet pretrained models are slightly different from original [ResNet](https:\u002F\u002Fgithub.com\u002Fpytorch\u002Fvision\u002Fblob\u002Fmaster\u002Ftorchvision\u002Fmodels\u002Fresnet.py) implementation in the beginning part.\n   - Predictions: Visual predictions of several models can be accessed.\n   - Datasets: attributes (`names` and `colors`) are in folder `dataset` and some sample lists can be accessed.\n   - Some FAQs: [FAQ.md](.\u002FFAQ.md).\n   - Former video predictions: high accuracy -- [PSPNet](https:\u002F\u002Fyoutu.be\u002FrB1BmBOkKTw), [PSANet](https:\u002F\u002Fyoutu.be\u002Fl5xu1DI6pDk); high efficiency -- [ICNet](https:\u002F\u002Fyoutu.be\u002FqWl9idsCuLQ).\n\n### Performance\n\nDescription: **mIoU\u002FmAcc\u002FaAcc** stands for mean IoU, mean accuracy of each class and all pixel accuracy respectively. **ss** denotes single scale testing and **ms** indicates multi-scale testing. Training time is measured on a sever with 8 GeForce RTX 2080 Ti. General parameters cross different datasets are listed below:\n\n- Train Parameters: sync_bn(True), scale_min(0.5), scale_max(2.0), rotate_min(-10), rotate_max(10), zoom_factor(8), ignore_label(255), aux_weight(0.4), batch_size(16), base_lr(1e-2), power(0.9), momentum(0.9), weight_decay(1e-4).\n- Test Parameters: ignore_label(255), scales(single: [1.0], multiple: [0.5 0.75 1.0 1.25 1.5 1.75]).\n\n1. **ADE20K**:\n   Train Parameters: classes(150), train_h(473\u002F465-PSP\u002FA), train_w(473\u002F465-PSP\u002FA), epochs(100).\n   Test Parameters: classes(150), test_h(473\u002F465-PSP\u002FA), test_w(473\u002F465-PSP\u002FA), base_size(512).\n\n   - Setting: train on **train** (20210 images) set and test on **val** (2000 images) set.\n\n   |  Network  |  mIoU\u002FmAcc\u002FaAcc(ss)   |  mIoU\u002FmAcc\u002FpAcc(ms)   | Training Time |\n   | :-------: | :-------------------: | :-------------------: | :-----------: |\n   | PSPNet50  | 0.4189\u002F0.5227\u002F0.8039. | 0.4284\u002F0.5266\u002F0.8106. |      14h      |\n   | PSANet50  | 0.4229\u002F0.5307\u002F0.8032. | 0.4305\u002F0.5312\u002F0.8101. |      14h      |\n   | PSPNet101 | 0.4310\u002F0.5375\u002F0.8107. | 0.4415\u002F0.5426\u002F0.8172. |      20h      |\n   | PSANet101 | 0.4337\u002F0.5385\u002F0.8102. | 0.4414\u002F0.5392\u002F0.8170. |      20h      |\n\n2. **PSACAL VOC 2012**:\n   Train Parameters: classes(21), train_h(473\u002F465-PSP\u002FA), train_w(473\u002F465-PSP\u002FA), epochs(50).\n   Test Parameters: classes(21), test_h(473\u002F465-PSP\u002FA), test_w(473\u002F465-PSP\u002FA), base_size(512).\n\n   - Setting: train on **train_aug** (10582 images) set and test on **val** (1449 images) set.\n\n   |  Network  |  mIoU\u002FmAcc\u002FaAcc(ss)   |  mIoU\u002FmAcc\u002FpAcc(ms)   | Training Time |\n   | :-------: | :-------------------: | :-------------------: | :-----------: |\n   | PSPNet50  | 0.7705\u002F0.8513\u002F0.9489. | 0.7802\u002F0.8580\u002F0.9513. |     3.3h      |\n   | PSANet50  | 0.7725\u002F0.8569\u002F0.9491. | 0.7787\u002F0.8606\u002F0.9508. |     3.3h      |\n   | PSPNet101 | 0.7907\u002F0.8636\u002F0.9534. | 0.7963\u002F0.8677\u002F0.9550. |      5h       |\n   | PSANet101 | 0.7870\u002F0.8642\u002F0.9528. | 0.7966\u002F0.8696\u002F0.9549. |      5h       |\n\n3. **Cityscapes**:\n   Train Parameters: classes(19), train_h(713\u002F709-PSP\u002FA), train_w(713\u002F709-PSP\u002FA), epochs(200).\n   Test Parameters: classes(19), test_h(713\u002F709-PSP\u002FA), test_w(713\u002F709-PSP\u002FA), base_size(2048).\n\n   - Setting: train on **fine_train** (2975 images) set and test on **fine_val** (500 images) set.\n\n   |  Network  |  mIoU\u002FmAcc\u002FaAcc(ss)   |  mIoU\u002FmAcc\u002FpAcc(ms)   | Training Time |\n   | :-------: | :-------------------: | :-------------------: | :-----------: |\n   | PSPNet50  | 0.7730\u002F0.8431\u002F0.9597. | 0.7838\u002F0.8486\u002F0.9617. |      7h       |\n   | PSANet50  | 0.7745\u002F0.8461\u002F0.9600. | 0.7818\u002F0.8487\u002F0.9622. |     7.5h      |\n   | PSPNet101 | 0.7863\u002F0.8577\u002F0.9614. | 0.7929\u002F0.8591\u002F0.9638. |      10h      |\n   | PSANet101 | 0.7842\u002F0.8599\u002F0.9621. | 0.7940\u002F0.8631\u002F0.9644. |     10.5h     |\n\n### Citation\n\nIf you find the code or trained models useful, please consider citing:\n\n```\n@misc{semseg2019,\n  author={Zhao, Hengshuang},\n  title={semseg},\n  howpublished={\\url{https:\u002F\u002Fgithub.com\u002Fhszhao\u002Fsemseg}},\n  year={2019}\n}\n@inproceedings{zhao2017pspnet,\n  title={Pyramid Scene Parsing Network},\n  author={Zhao, Hengshuang and Shi, Jianping and Qi, Xiaojuan and Wang, Xiaogang and Jia, Jiaya},\n  booktitle={CVPR},\n  year={2017}\n}\n@inproceedings{zhao2018psanet,\n  title={{PSANet}: Point-wise Spatial Attention Network for Scene Parsing},\n  author={Zhao, Hengshuang and Zhang, Yi and Liu, Shu and Shi, Jianping and Loy, Chen Change and Lin, Dahua and Jia, Jiaya},\n  booktitle={ECCV},\n  year={2018}\n}\n```\n\n### Question\n\nSome [FAQ.md](.\u002FFAQ.md) collected. You are welcome to send pull requests or give some advices. Contact information: `hengshuangzhao at gmail.com`.\n","# PyTorch 语义分割\n\n### 简介\n\n本仓库是基于 PyTorch 的语义分割\u002F场景解析实现。代码易于使用，可在多种数据集上进行训练和测试。代码库主要以 ResNet50\u002F101\u002F152 作为骨干网络，并可轻松适配其他基础分类模型。已实现的网络包括 [PSPNet](https:\u002F\u002Fhszhao.github.io\u002Fprojects\u002Fpspnet) 和 [PSANet](https:\u002F\u002Fhszhao.github.io\u002Fprojects\u002Fpsanet)，它们分别在 [2016 年 ECCV16 ImageNet 场景解析挑战赛](http:\u002F\u002Fimage-net.org\u002Fchallenges\u002FLSVRC\u002F2016\u002Fresults)、[2017 年 CVPR17 LSUN 语义分割挑战赛](https:\u002F\u002Fblog.mapillary.com\u002Fproduct\u002F2017\u002F06\u002F13\u002Flsun-challenge.html)以及 [2018 年 CVPR18 WAD 可行驶区域分割挑战赛](https:\u002F\u002Fbdd-data.berkeley.edu\u002Fwad-2018.html)中获得第一名。实验所用的数据集示例包括 [ADE20K](http:\u002F\u002Fsceneparsing.csail.mit.edu)、[PASCAL VOC 2012](http:\u002F\u002Fhost.robots.ox.ac.uk:8080\u002Fleaderboard\u002Fdisplaylb.php?challengeid=11&compid=6) 和 [Cityscapes](https:\u002F\u002Fwww.cityscapes-dataset.com)。\n\n\u003Cimg src=\"https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Fhszhao_semseg_readme_cdef420bd7d3.png\" width=\"900\"\u002F>\n\n### 更新\n\n- 2020.05.15：`master` 分支，使用官方 [nn.SyncBatchNorm](https:\u002F\u002Fpytorch.org\u002Fdocs\u002Fmaster\u002Fnn.html#torch.nn.SyncBatchNorm)，仅支持多进程训练，已在 PyTorch 1.4.0 上测试通过。\n- 2019.05.29：`1.0.0` 分支，同时支持多线程训练（[nn.DataParallel](https:\u002F\u002Fpytorch.org\u002Fdocs\u002Fstable\u002Fnn.html#dataparallel)）和多进程训练（[nn.parallel.DistributedDataParallel](https:\u002F\u002Fpytorch.org\u002Fdocs\u002Fstable\u002F_modules\u002Ftorch\u002Fnn\u002Fparallel\u002Fdistributed.html))（**推荐**），后者速度更快。使用来自 [EncNet](https:\u002F\u002Fgithub.com\u002Fzhanghang1989\u002FPyTorch-Encoding) 和 [apex](https:\u002F\u002Fgithub.com\u002FNVIDIA\u002Fapex) 的 `syncbn`，已在 PyTorch 1.0.0 上测试通过。\n\n### 使用说明\n\n1. 亮点：\n\n   - 使用官方 [nn.SyncBatchNorm](https:\u002F\u002Fpytorch.org\u002Fdocs\u002Fmaster\u002Fnn.html#torch.nn.SyncBatchNorm) 进行快速多进程训练（[nn.parallel.DistributedDataParallel](https:\u002F\u002Fpytorch.org\u002Fdocs\u002Fstable\u002F_modules\u002Ftorch\u002Fnn\u002Fparallel\u002Fdistributed.html))。\n   - 通过精心设计的代码结构，实现了更好的复现效果。\n   - 所有初始化模型、训练好的模型和预测结果均可在 [这里](https:\u002F\u002Fdrive.google.com\u002Fopen?id=15wx9vOM0euyizq-M1uINgN0_wjVRf9J3) 获取。\n\n2. 需求：\n\n   - 硬件：4–8 张 GPU（建议每张显存 ≥11G）。\n   - 软件：PyTorch≥1.1.0、Python3、[tensorboardX](https:\u002F\u002Fgithub.com\u002Flanpa\u002FtensorboardX)。\n\n3. 克隆仓库：\n\n   ```shell\n   git clone https:\u002F\u002Fgithub.com\u002Fhszhao\u002Fsemseg.git\n   ```\n\n4. 训练：\n\n   - 下载相关数据集，并按如下方式创建指向这些数据集的符号链接（您也可以直接修改 `config` 文件夹中的相关路径）：\n\n     ```\n     cd semseg\n     mkdir -p dataset\n     ln -s \u002Fpath_to_ade20k_dataset dataset\u002Fade20k\n     ```\n\n   - 下载 ImageNet 预训练 [模型]((https:\u002F\u002Fdrive.google.com\u002Fopen?id=15wx9vOM0euyizq-M1uINgN0_wjVRf9J3))，并将其放入 `initmodel` 文件夹中用于权重初始化。请务必按照 [FAQ.md](.\u002FFAQ.md) 中详细说明的正确数据集格式操作。\n\n   - 在配置文件中指定使用的 GPU，然后开始训练：\n\n     ```shell\n     sh tool\u002Ftrain.sh ade20k pspnet50\n     ```\n\n   - 如果您使用 [SLURM](https:\u002F\u002Fslurm.schedmd.com\u002Fdocumentation.html) 进行节点管理，请取消注释 `train.sh` 中的相关行，然后执行训练：\n\n     ```shell\n     sbatch tool\u002Ftrain.sh ade20k pspnet50\n     ```\n\n5. 测试：\n\n   - 下载训练好的分割模型，并将其放置在配置文件中指定的文件夹中，或直接修改指定路径。\n\n   - 进行完整测试（获取官方榜单上的性能指标）：\n\n     ```shell\n     sh tool\u002Ftest.sh ade20k pspnet50\n     ```\n\n   - **快速演示**：对单张图像进行推理：\n\n     ```shell\n     PYTHONPATH=.\u002F python tool\u002Fdemo.py --config=config\u002Fade20k\u002Fade20k_pspnet50.yaml --image=figure\u002Fdemo\u002FADE_val_00001515.jpg TEST.scales '[1.0]'\n     ```\n\n6. 可视化：集成 [tensorboardX](https:\u002F\u002Fgithub.com\u002Flanpa\u002FtensorboardX) 以获得更好的可视化效果。\n\n   ```shell\n   tensorboard --logdir=exp\u002Fade20k\n   ```\n\n7. 其他：\n\n   - 资源：GoogleDrive [链接](https:\u002F\u002Fdrive.google.com\u002Fopen?id=15wx9vOM0euyizq-M1uINgN0_wjVRf9J3) 包含共享的模型、可视化预测结果和数据列表。\n   - 模型：可访问 ImageNet 预训练模型和训练好的分割模型。请注意，我们的 ImageNet 预训练模型与原始 [ResNet](https:\u002F\u002Fgithub.com\u002Fpytorch\u002Fvision\u002Fblob\u002Fmaster\u002Ftorchvision\u002Fmodels\u002Fresnet.py) 实现相比，在前几层略有不同。\n   - 预测：可查看多个模型的可视化预测结果。\n   - 数据集：属性信息（`names` 和 `colors`）位于 `dataset` 文件夹中，部分示例列表也可供查阅。\n   - 常见问题解答：[FAQ.md](.\u002FFAQ.md)。\n   - 往期视频预测：高精度——[PSPNet](https:\u002F\u002Fyoutu.be\u002FrB1BmBOkKTw)、[PSANet](https:\u002F\u002Fyoutu.be\u002Fl5xu1DI6pDk)；高效率——[ICNet](https:\u002F\u002Fyoutu.be\u002FqWl9idsCuLQ)。\n\n### 性能\n\n说明：**mIoU\u002FmAcc\u002FaAcc** 分别表示平均 IoU、各类别的平均准确率和所有像素的准确率。**ss** 表示单尺度测试，**ms** 表示多尺度测试。训练时间是在配备 8 块 GeForce RTX 2080 Ti 显卡的服务器上测量的。不同数据集之间的通用参数如下：\n\n- 训练参数：sync_bn(真)、scale_min(0.5)、scale_max(2.0)、rotate_min(-10)、rotate_max(10)、zoom_factor(8)、ignore_label(255)、aux_weight(0.4)、batch_size(16)、base_lr(1e-2)、power(0.9)、momentum(0.9)、weight_decay(1e-4)。\n- 测试参数：ignore_label(255)、scales（单尺度：[1.0]，多尺度：[0.5 0.75 1.0 1.25 1.5 1.75])。\n\n1. **ADE20K**：\n   训练参数：classes(150)、train_h(473\u002F465-PSP\u002FA)、train_w(473\u002F465-PSP\u002FA)、epochs(100)。\n   测试参数：classes(150)、test_h(473\u002F465-PSP\u002FA)、test_w(473\u002F465-PSP\u002FA)、base_size(512)。\n\n   - 设置：在 **train**（20210 张图像）数据集上训练，在 **val**（2000 张图像）数据集上测试。\n\n   | 网络      | mIoU\u002FmAcc\u002FaAcc(ss)   | mIoU\u002FmAcc\u002FpAcc(ms)   | 训练时间 |\n   | :-------: | :-------------------: | :-------------------: | :-----------: |\n   | PSPNet50  | 0.4189\u002F0.5227\u002F0.8039. | 0.4284\u002F0.5266\u002F0.8106. |      14h      |\n   | PSANet50  | 0.4229\u002F0.5307\u002F0.8032. | 0.4305\u002F0.5312\u002F0.8101. |      14h      |\n   | PSPNet101 | 0.4310\u002F0.5375\u002F0.8107. | 0.4415\u002F0.5426\u002F0.8172. |      20h      |\n   | PSANet101 | 0.4337\u002F0.5385\u002F0.8102. | 0.4414\u002F0.5392\u002F0.8170. |      20h      |\n\n2. **PSACAL VOC 2012**：\n   训练参数：classes(21)、train_h(473\u002F465-PSP\u002FA)、train_w(473\u002F465-PSP\u002FA)、epochs(50)。\n   测试参数：classes(21)、test_h(473\u002F465-PSP\u002FA)、test_w(473\u002F465-PSP\u002FA)、base_size(512)。\n\n   - 设置：在 **train_aug**（10582 张图像）数据集上训练，在 **val**（1449 张图像）数据集上测试。\n\n   | 网络      | mIoU\u002FmAcc\u002FaAcc(ss)   | mIoU\u002FmAcc\u002FpAcc(ms)   | 训练时间 |\n   | :-------: | :-------------------: | :-------------------: | :-----------: |\n   | PSPNet50  | 0.7705\u002F0.8513\u002F0.9489. | 0.7802\u002F0.8580\u002F0.9513. |     3.3h      |\n   | PSANet50  | 0.7725\u002F0.8569\u002F0.9491. | 0.7787\u002F0.8606\u002F0.9508. |     3.3h      |\n   | PSPNet101 | 0.7907\u002F0.8636\u002F0.9534. | 0.7963\u002F0.8677\u002F0.9550. |      5h       |\n   | PSANet101 | 0.7870\u002F0.8642\u002F0.9528. | 0.7966\u002F0.8696\u002F0.9549. |      5h       |\n\n3. **Cityscapes**：\n   训练参数：classes(19)、train_h(713\u002F709-PSP\u002FA)、train_w(713\u002F709-PSP\u002FA)、epochs(200)。\n   测试参数：classes(19)、test_h(713\u002F709-PSP\u002FA)、test_w(713\u002F709-PSP\u002FA)、base_size(2048)。\n\n   - 设置：在 **fine_train**（2975 张图像）数据集上训练，在 **fine_val**（500 张图像）数据集上测试。\n\n   | 网络      | mIoU\u002FmAcc\u002FaAcc(ss)   | mIoU\u002FmAcc\u002FpAcc(ms)   | 训练时间 |\n   | :-------: | :-------------------: | :-------------------: | :-----------: |\n   | PSPNet50  | 0.7730\u002F0.8431\u002F0.9597. | 0.7838\u002F0.8486\u002F0.9617. |      7h       |\n   | PSANet50  | 0.7745\u002F0.8461\u002F0.9600. | 0.7818\u002F0.8487\u002F0.9622. |     7.5h      |\n   | PSPNet101 | 0.7863\u002F0.8577\u002F0.9614. | 0.7929\u002F0.8591\u002F0.9638. |      10h      |\n   | PSANet101 | 0.7842\u002F0.8599\u002F0.9621. | 0.7940\u002F0.8631\u002F0.9644. |     10.5h     |\n\n### 引用\n\n如果您觉得代码或训练好的模型有用，请考虑引用以下内容：\n\n```\n@misc{semseg2019,\n  author={Zhao, Hengshuang},\n  title={semseg},\n  howpublished={\\url{https:\u002F\u002Fgithub.com\u002Fhszhao\u002Fsemseg}},\n  year={2019}\n}\n@inproceedings{zhao2017pspnet,\n  title={Pyramid Scene Parsing Network},\n  author={Zhao, Hengshuang and Shi, Jianping and Qi, Xiaojuan and Wang, Xiaogang and Jia, Jiaya},\n  booktitle={CVPR},\n  year={2017}\n}\n@inproceedings{zhao2018psanet,\n  title={{PSANet}: Point-wise Spatial Attention Network for Scene Parsing},\n  author={Zhao, Hengshuang and Zhang, Yi and Liu, Shu and Shi, Jianping and Loy, Chen Change and Lin, Dahua and Jia, Jiaya},\n  booktitle={ECCV},\n  year={2018}\n}\n```\n\n### 问题\n\n我们收集了一些常见问题解答（[FAQ.md](.\u002FFAQ.md)）。欢迎提交 Pull Request 或提出建议。联系方式：`hengshuangzhao at gmail.com`。","# semseg 快速上手指南\n\nsemseg 是一个基于 PyTorch 的语义分割\u002F场景解析开源工具库，实现了 PSPNet 和 PSANet 等经典网络。本指南帮助开发者快速完成环境配置、安装及基础训练与测试。\n\n## 环境准备\n\n### 系统要求\n- **硬件**：推荐 4-8 张 GPU（显存建议 >= 11GB），以支持高效的多进程训练。\n- **操作系统**：Linux (推荐)\n\n### 软件依赖\n- **Python**: Python 3\n- **PyTorch**: 版本 >= 1.1.0 (推荐使用 1.4.0 及以上以利用官方 `nn.SyncBatchNorm`)\n- **其他库**: [tensorboardX](https:\u002F\u002Fgithub.com\u002Flanpa\u002FtensorboardX) (用于可视化)\n\n> **提示**：国内用户可使用清华或阿里镜像源加速 PyTorch 及相关库的安装。\n> ```bash\n> pip install torch torchvision tensorboardX -i https:\u002F\u002Fpypi.tuna.tsinghua.edu.cn\u002Fsimple\n> ```\n\n## 安装步骤\n\n1. **克隆仓库**\n   从 GitHub 拉取最新代码：\n   ```shell\n   git clone https:\u002F\u002Fgithub.com\u002Fhszhao\u002Fsemseg.git\n   cd semseg\n   ```\n\n2. **准备数据集**\n   下载所需数据集（如 ADE20K, PASCAL VOC, Cityscapes），并在 `semseg` 目录下创建软链接。以下以 ADE20K 为例：\n   ```shell\n   mkdir -p dataset\n   ln -s \u002Fpath_to_ade20k_dataset dataset\u002Fade20k\n   ```\n   *注：请替换 `\u002Fpath_to_ade20k_dataset` 为你本地的实际数据路径。也可直接修改 `config` 文件夹中的路径配置。*\n\n3. **准备预训练模型**\n   下载 ImageNet 预训练模型（用于权重初始化），将其放入 `initmodel` 文件夹中。\n   - 下载地址：[Google Drive Link](https:\u002F\u002Fdrive.google.com\u002Fopen?id=15wx9vOM0euyizq-M1uINgN0_wjVRf9J3)\n   - *注意：请确保数据格式符合项目要求（参考原项目文档细节）。*\n\n## 基本使用\n\n### 1. 开始训练\n配置好 GPU 信息后，运行训练脚本。以下示例使用 ADE20K 数据集和 PSPNet50 网络进行多进程训练：\n\n```shell\nsh tool\u002Ftrain.sh ade20k pspnet50\n```\n\n如果你使用 **SLURM** 集群管理系统，请先取消 `train.sh` 中相关行的注释，然后执行：\n```shell\nsbatch tool\u002Ftrain.sh ade20k pspnet50\n```\n\n### 2. 模型测试\n下载训练好的分割模型并放置于配置文件指定的目录（或修改配置路径）。\n\n- **全量测试**（获取标准性能指标）：\n  ```shell\n  sh tool\u002Ftest.sh ade20k pspnet50\n  ```\n\n- **单图快速演示**：\n  对单张图片进行推理并查看效果：\n  ```shell\n  PYTHONPATH=.\u002F python tool\u002Fdemo.py --config=config\u002Fade20k\u002Fade20k_pspnet50.yaml --image=figure\u002Fdemo\u002FADE_val_00001515.jpg TEST.scales '[1.0]'\n  ```\n\n### 3. 可视化监控\n项目集成了 `tensorboardX`，可通过以下命令启动可视化界面，实时监控训练损失和精度：\n\n```shell\ntensorboard --logdir=exp\u002Fade20k\n```\n然后在浏览器中访问显示的本地地址即可。","某自动驾驶初创公司的算法团队正致力于提升车辆对复杂城市道路的感知能力，需要快速验证最新的语义分割模型以准确识别车道线、行人和障碍物。\n\n### 没有 semseg 时\n- **复现成本高昂**：团队需从零搭建 PSPNet 或 PSANet 等获奖网络架构，耗费数周时间调试代码结构，且难以保证与论文效果一致。\n- **训练效率低下**：缺乏原生多进程分布式训练支持，仅能使用单卡或低效的多线程模式，导致在 Cityscapes 等大型数据集上的模型迭代周期长达数天。\n- **基准对比困难**：缺少预训练的 ImageNet 权重和标准化的数据加载接口，每次实验都需重新处理 ADE20K 或 PASCAL VOC 数据格式，难以公平评估新改进点的实际增益。\n- **可视化监控缺失**：训练过程缺乏集成化的 TensorBoard 支持，开发人员无法实时观察损失曲线和分割效果图，排查问题如同“盲人摸象”。\n\n### 使用 semseg 后\n- **开箱即用架构**：直接调用内置的 ResNet 主干及 PSPNet\u002FPSANet 实现，几分钟内即可启动基于标准数据集的训练任务，大幅缩短研发前置时间。\n- **加速模型迭代**：利用 `nn.parallel.DistributedDataParallel` 和 `SyncBatchNorm` 技术，在 4-8 张 GPU 上实现高效并行训练，将原本数天的训练周期压缩至数小时。\n- **权威基线对齐**：直接加载官方提供的预训练模型和标准化配置，迅速复现出挑战赛前水平的基准结果，让团队能专注于核心算法的创新而非基础工程。\n- **直观过程洞察**：通过集成的 tensorboardX 实时可视化训练指标与预测掩码，工程师能即时发现过拟合或欠拟合现象，快速调整超参数。\n\nsemseg 将繁琐的底层工程实现转化为高效的研发加速器，让团队能将宝贵精力集中于解决自动驾驶场景中的核心感知难题。","https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Fhszhao_semseg_46da20f7.png","hszhao","Hengshuang Zhao","https:\u002F\u002Foss.gittoolsai.com\u002Favatars\u002Fhszhao_414172e5.jpg",null,"The University of Hong Kong","Hong Kong","https:\u002F\u002Fwww.cs.hku.hk\u002F~hszhao","https:\u002F\u002Fgithub.com\u002Fhszhao",[83,87,91,95],{"name":84,"color":85,"percentage":86},"Python","#3572A5",84.2,{"name":88,"color":89,"percentage":90},"C++","#f34b7d",7.8,{"name":92,"color":93,"percentage":94},"Cuda","#3A4E3A",6.8,{"name":96,"color":97,"percentage":98},"Shell","#89e051",1.2,1375,245,"2026-04-07T04:57:32","MIT",4,"Linux","必需，推荐 4-8 块 NVIDIA GPU，单卡显存建议 >=11GB (测试环境为 GeForce RTX 2080 Ti)，需支持 PyTorch 的 SyncBatchNorm","未说明",{"notes":108,"python":109,"dependencies":110},"主要支持多进程分布式训练 (DistributedDataParallel)，需配合 SLURM 调度器或手动配置多卡环境；需预先下载 ImageNet 预训练模型和各数据集 (如 ADE20K, Cityscapes) 并建立软链接；代码使用了官方 nn.SyncBatchNorm，仅在多进程模式下有效。","Python 3",[111,112],"PyTorch>=1.1.0 (推荐 1.4.0+)","tensorboardX",[15],"2026-03-27T02:49:30.150509","2026-04-18T09:20:10.415108",[117,122,127,131,135,140,145],{"id":118,"question_zh":119,"answer_zh":120,"source_url":121},39529,"遇到 'NCCL error ... unhandled cuda error' 该如何调试？","这通常是底层 NCCL 通信或 CUDA 环境的问题。调试步骤如下：\n1. 设置环境变量以获取详细日志：export NCCL_DEBUG=info\n2. 运行程序查看具体报错信息。\n3. 尝试升级 NCCL 版本到最新版。\n4. 检查所有 GPU 是否都能正常被识别且无硬件故障。\n5. 确保分布式训练的初始化 URL (dist_url) 和网络配置正确。","https:\u002F\u002Fgithub.com\u002Fhszhao\u002Fsemseg\u002Fissues\u002F18",{"id":123,"question_zh":124,"answer_zh":125,"source_url":126},39530,"Cityscapes 数据集上的预期训练时间和性能指标是多少？","在使用 8 张 NVIDIA 2080 Ti 显卡的情况下，PSPNet-50 的训练时间大约为 12 小时，PSPNet-101 大约为 8 小时。预期的评估结果（mIoU\u002FmAcc\u002FallAcc）大约在 0.7695\u002F0.8400\u002F0.9603 左右（具体取决于超参数和数据增强设置）。如果时间差异巨大，请检查数据加载线程数（workers）和同步批归一化（sync_bn）的设置。","https:\u002F\u002Fgithub.com\u002Fhszhao\u002Fsemseg\u002Fissues\u002F7",{"id":128,"question_zh":129,"answer_zh":130,"source_url":126},39524,"更改 GPU 数量或 Batch Size 时，需要调整哪些参数（如学习率、训练轮数）？","不需要更改训练轮数（epochs）。但是，如果你改变了 Batch Size，则需要相应地调整基础学习率（base_lr）。通常 Batch Size 减半，学习率也应减半。",{"id":132,"question_zh":133,"answer_zh":134,"source_url":121},39525,"遇到 'RuntimeError: CUDA out of memory' 显存溢出错误怎么办？","这通常是因为显存不足。解决方法包括：1. 减小训练时的 Batch Size；2. 减小输入图像的尺寸（train_h, train_w）；3. 如果使用的是多卡训练，尝试减少使用的 GPU 数量。此外，确保没有其他进程占用显存。",{"id":136,"question_zh":137,"answer_zh":138,"source_url":139},39526,"使用多线程训练时出现 'OMP: Error #13: Assertion failure' 错误如何解决？","这是 Intel OpenMP 库在多进程 fork 时的已知问题。解决方法是在运行训练脚本前设置环境变量。请在你的启动脚本（如 train.sh）中添加以下命令：\nexport KMP_INIT_AT_FORK=FALSE\n例如：\n#!\u002Fbin\u002Fsh\nexport PYTHONPATH=.\u002F\nexport KMP_INIT_AT_FORK=FALSE\npython -u tool\u002Ftrain.py --config=${config}","https:\u002F\u002Fgithub.com\u002Fhszhao\u002Fsemseg\u002Fissues\u002F16",{"id":141,"question_zh":142,"answer_zh":143,"source_url":144},39527,"恢复训练（Resume Training）后性能大幅下降是什么原因？","恢复训练时性能下降通常是因为学习率调度策略未正确重置或继续。如果从第 200 轮恢复到第 201 轮，确保 'start_epoch' 设置正确，并且学习率是根据当前 epoch 动态计算的（poly 策略）。检查配置中的 'power' 参数和 'base_lr' 是否适合断点续训的场景。有时重新初始化优化器状态或微调学习率会有帮助。","https:\u002F\u002Fgithub.com\u002Fhszhao\u002Fsemseg\u002Fissues\u002F6",{"id":146,"question_zh":147,"answer_zh":148,"source_url":121},39528,"在 PASCAL VOC 数据集上加载标签时报错，如何处理？","OpenCV (cv2.imread) 可能在读取某些格式的标签图时出现问题。建议将标签加载方式从 OpenCV 改为 PIL。代码修改如下：\n原代码：label = cv2.imread(label_path, 0)\n修改为：from PIL import Image; label = np.array(Image.open(label_path))\n这通常能解决标签读取导致的类型或数值错误。",[]]