[{"data":1,"prerenderedAt":-1},["ShallowReactive",2],{"similar-jbwang1997--OBBDetection":3,"tool-jbwang1997--OBBDetection":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。",109154,2,"2026-04-18T11:18:24",[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":67,"readme_en":68,"readme_zh":69,"quickstart_zh":70,"use_case_zh":71,"hero_image_url":72,"owner_login":73,"owner_name":73,"owner_avatar_url":74,"owner_bio":75,"owner_company":76,"owner_location":77,"owner_email":78,"owner_twitter":79,"owner_website":80,"owner_url":81,"languages":82,"stars":106,"forks":107,"last_commit_at":108,"license":109,"difficulty_score":94,"env_os":110,"env_gpu":111,"env_ram":110,"env_deps":112,"category_tags":120,"github_topics":121,"view_count":32,"oss_zip_url":79,"oss_zip_packed_at":79,"status":17,"created_at":124,"updated_at":125,"faqs":126,"releases":156},9783,"jbwang1997\u002FOBBDetection","OBBDetection","OBBDetection is an oriented object detection library, which is based on MMdetection.","OBBDetection 是一个专注于旋转目标检测的开源算法库，基于著名的 MMdetection v2.2 框架构建。它主要解决了传统检测工具难以精准识别倾斜、任意角度物体（如航拍图像中的车辆、船舶或文档文字）的痛点，能够灵活处理水平框、旋转框及四点多边形等多种标注形式。\n\n该工具非常适合计算机视觉领域的研究人员和开发者使用，尤其是那些需要复现前沿算法或进行定制化模型训练的专业人士。OBBDetection 完整继承了 MMdetection 的模块化设计优势，无需改动原有架构即可直接调用其丰富的功能组件。其核心亮点在于“开箱即用”地集成了多种主流旋转检测算法，包括 RoI Transformer、Gliding Vertex、S2ANet 以及最新的 Oriented R-CNN 等。此外，项目还依赖专门开发的 BboxToolkit 来高效支持复杂的旋转框运算，并持续更新对旋转掩膜（Oriented Mask）等高级特性的支持。凭借广泛的骨干网络兼容性和灵活的配置选项，OBBDetection 为高精度的方向敏感型目标检测任务提供了坚实且易扩展的技术底座。","# OBBDetection\n\n**note**: If you have questions or good suggestions, feel free to propose issues and contact me.\n\n## introduction\n\nOBBDetection is an oriented object detection toolbox modified from [MMdetection v2.2](https:\u002F\u002Fgithub.com\u002Fopen-mmlab\u002Fmmdetection).\n\n![demo image](https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Fjbwang1997_OBBDetection_readme_2fcc2e043e58.jpg)\n\n### Major features\n\n- **MMdetection feature inheritance**\n\n  OBBDetection doesn't change the structure and codes of original MMdetection and the additive codes are under MMdetection logic. Therefore, our OBBDetection inherits all features from MMdetection.\n\n- **Support of multiple frameworks out of box**\n\n  We implement multiple oriented object detectors in this toolbox (*e.g.* RoI Transformer, Gliding Vertex). Attributing to moudlar design of MMdetection, Many parts of detectors (*e.g.* backbone, RPN, sampler and assigner) have multiple options.\n\n- **Flexible representation of oriented boxes**\n\n  Horizontal bounding boxes (HBB), oriented bounding boxes (OBB) and 4 point boxes (POLY) are supported in this toolbox. The program will confirm the type of bounding box by the tensor shape or the default setting.\n\nWe develop [BboxToolkit](https:\u002F\u002Fgithub.com\u002Fjbwang1997\u002FBboxToolkit) to support oriented bounding boxes operations, which is heavily depended on by this toolbox.\n\n## License\n\nThis project is released under the [Apache 2.0 license](LICENSE).\n\n## Update\n\n- (**2022-03-15**) Support oriented mask. Open source [Oriented R-CNN and Beyond](configs\u002Fobb\u002Foriented_rcnn_beyond).\n- (**2021-12-14**) Thanks [liuyanyi](https:\u002F\u002Fgithub.com\u002Fliuyanyi) for reimplementing [S2ANet](configs\u002Fobb\u002Fs2anet) in OBBDetection.\n- (**2021-11-29**) Discard mmcv-0.6.2 and support mmcv-full.\n- (**2021-09-18**) Implement [Double Head OBB](configs\u002Fobb\u002Fdouble_heads_obb) in the OBBDetection.\n- (**2021-09-01**) Implement [FCOS OBB](configs\u002Fobb\u002Ffcos_obb) in the OBBDetection.\n- (**2021-08-21**) Reimplement the [PolyIoULoss](configs\u002Fobb\u002Fpoly_iou_loss).\n\n## Benchmark and model zoo\n\nResults and models are available in the [model zoo](docs\u002Fmodel_zoo.md).\n\nSupported backbones:\n- [x] ResNet\n- [x] ResNeXt\n- [x] VGG\n- [x] HRNet\n- [x] RegNet\n- [x] Res2Net\n\nSupported oriented detection methods:\n- [x] [S2ANet (TGRS)](configs\u002Fobb\u002Fs2anet)\n- [x] [Oriented R-CNN (ICCV'2021)](configs\u002Fobb\u002Foriented_rcnn)\n- [x] [Oriented R-CNN and Beyond (IJCV 2024)](configs\u002Fobb\u002Foriented_rcnn_beyond)\n- [x] [Poly IoU Loss](configs\u002Fobb\u002Fpoly_iou_loss)\n- [x] [Faster R-CNN OBB](configs\u002Fobb\u002Ffaster_rcnn_obb)\n- [x] [Double Head OBB](configs\u002Fobb\u002Fdouble_heads_obb)\n- [x] [RetinaNet OBB](configs\u002Fobb\u002Fretinanet_obb)\n- [x] [Gliding Vertex](configs\u002Fobb\u002Fgliding_vertex)\n- [x] [RoI Transformer](configs\u002Fobb\u002Froi_transformer)\n- [x] [FCOS OBB](configs\u002Fobb\u002Ffcos_obb)\n\nSupported horizontal detection methods:\n- [x] [RPN](configs\u002Frpn)\n- [x] [Fast R-CNN](configs\u002Ffast_rcnn)\n- [x] [Faster R-CNN](configs\u002Ffaster_rcnn)\n- [x] [Mask R-CNN](configs\u002Fmask_rcnn)\n- [x] [Cascade R-CNN](configs\u002Fcascade_rcnn)\n- [x] [Cascade Mask R-CNN](configs\u002Fcascade_rcnn)\n- [x] [SSD](configs\u002Fssd)\n- [x] [RetinaNet](configs\u002Fretinanet)\n- [x] [GHM](configs\u002Fghm)\n- [x] [Mask Scoring R-CNN](configs\u002Fms_rcnn)\n- [x] [Double-Head R-CNN](configs\u002Fdouble_heads)\n- [x] [Hybrid Task Cascade](configs\u002Fhtc)\n- [x] [Libra R-CNN](configs\u002Flibra_rcnn)\n- [x] [Guided Anchoring](configs\u002Fguided_anchoring)\n- [x] [FCOS](configs\u002Ffcos)\n- [x] [RepPoints](configs\u002Freppoints)\n- [x] [Foveabox](configs\u002Ffoveabox)\n- [x] [FreeAnchor](configs\u002Ffree_anchor)\n- [x] [NAS-FPN](configs\u002Fnas_fpn)\n- [x] [ATSS](configs\u002Fatss)\n- [x] [FSAF](configs\u002Ffsaf)\n- [x] [PAFPN](configs\u002Fpafpn)\n- [x] [Dynamic R-CNN](configs\u002Fdynamic_rcnn)\n- [x] [PointRend](configs\u002Fpoint_rend)\n- [x] [CARAFE](configs\u002Fcarafe\u002FREADME.md)\n- [x] [DCNv2](configs\u002Fdcn\u002FREADME.md)\n- [x] [Group Normalization](configs\u002Fgn\u002FREADME.md)\n- [x] [Weight Standardization](configs\u002Fgn+ws\u002FREADME.md)\n- [x] [OHEM](configs\u002Ffaster_rcnn\u002Ffaster_rcnn_r50_fpn_ohem_1x_coco.py)\n- [x] [Soft-NMS](configs\u002Ffaster_rcnn\u002Ffaster_rcnn_r50_fpn_soft_nms_1x_coco.py)\n- [x] [Generalized Attention](configs\u002Fempirical_attention\u002FREADME.md)\n- [x] [GCNet](configs\u002Fgcnet\u002FREADME.md)\n- [x] [Mixed Precision (FP16) Training](configs\u002Ffp16\u002FREADME.md)\n- [x] [InstaBoost](configs\u002Finstaboost\u002FREADME.md)\n- [x] [GRoIE](configs\u002Fgroie\u002FREADME.md)\n- [x] [DetectoRS](configs\u002Fdetectors\u002FREADME.md)\n- [x] [Generalized Focal Loss](configs\u002Fgfl\u002FREADME.md)\n\n## Installation\n\nPlease refer to [install.md](docs\u002Finstall.md) for installation and dataset preparation.\n\n## Get Started\n\n### Oriented models training and testing\n\nIf you want to train or test a oriented model, please refer to [oriented_model_starting.md](docs\u002Foriented_model_starting.md).\n\n### How to use MMDetection\n\nIf you are not familiar with MMdetection, please see [getting_started.md](docs\u002Fgetting_started.md) for the basic usage of MMDetection. There are also tutorials for [finetuning models](docs\u002Ftutorials\u002Ffinetune.md), [adding new dataset](docs\u002Ftutorials\u002Fnew_dataset.md), [designing data pipeline](docs\u002Ftutorials\u002Fdata_pipeline.md), and [adding new modules](docs\u002Ftutorials\u002Fnew_modules.md).\n\n## Acknowledgement\n\nWe refered [S2ANet](https:\u002F\u002Fgithub.com\u002Fcsuhan\u002Fs2anet) and [AerialDetection](https:\u002F\u002Fgithub.com\u002Fdingjiansw101\u002FAerialDetection) when develping OBBDetection.\n\nThis toolbox is modified from [MMdetection](https:\u002F\u002Fgithub.com\u002Fopen-mmlab\u002Fmmdetection). If you use this toolbox or benchmark in your research, please cite the following information.\n\n```\n@article{mmdetection,\n  title   = {{MMDetection}: Open MMLab Detection Toolbox and Benchmark},\n  author  = {Chen, Kai and Wang, Jiaqi and Pang, Jiangmiao and Cao, Yuhang and\n             Xiong, Yu and Li, Xiaoxiao and Sun, Shuyang and Feng, Wansen and\n             Liu, Ziwei and Xu, Jiarui and Zhang, Zheng and Cheng, Dazhi and\n             Zhu, Chenchen and Cheng, Tianheng and Zhao, Qijie and Li, Buyu and\n             Lu, Xin and Zhu, Rui and Wu, Yue and Dai, Jifeng and Wang, Jingdong\n             and Shi, Jianping and Ouyang, Wanli and Loy, Chen Change and Lin, Dahua},\n  journal = {arXiv preprint arXiv:1906.07155},\n  year={2019}\n}\n```\n\nThis is the official implement of [Oriented R-CNN](configs\u002Fobb\u002Foriented_rcnn). if it is used in your research, please cite the following information.\n\n```\n@InProceedings{Xie_2021_ICCV,\n  author = {Xie, Xingxing and Cheng, Gong and Wang, Jiabao and Yao, Xiwen and Han, Junwei},\n  title = {Oriented R-CNN for Object Detection},\n  booktitle = {Proceedings of the IEEE\u002FCVF International Conference on Computer Vision (ICCV)},\n  month = {October},\n  year = {2021},\n  pages = {3520-3529} }\n```\n\n```\n@ARTICLE{orcnn_beyond,\n  author={Xie, Xingxing and Cheng, Gong and Wang, Jiabao and Li, Ke and Han, Junwei},\n  journal={International Journal of Computer Vision}, \n  title={Oriented R-CNN and Beyond}, \n  year={2024},\n  pages={1-23},\n  doi={https:\u002F\u002Fdoi.org\u002F10.1007\u002Fs11263-024-01989-w}\n}\n```\n","# OBBDetection\n\n**注**: 如果您有任何问题或宝贵建议，欢迎提出 issues 或直接联系我。\n\n## 简介\n\nOBBDetection 是一个基于 [MMdetection v2.2](https:\u002F\u002Fgithub.com\u002Fopen-mmlab\u002Fmmdetection) 修改的定向目标检测工具箱。\n\n![demo image](https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Fjbwang1997_OBBDetection_readme_2fcc2e043e58.jpg)\n\n### 主要特性\n\n- **继承 MMdetection 的功能**\n\n  OBBDetection 没有改变原始 MMdetection 的结构和代码，新增的代码也遵循 MMdetection 的逻辑。因此，OBBDetection 继承了 MMdetection 的所有功能。\n\n- **开箱即用的多框架支持**\n\n  本工具箱实现了多种定向目标检测器（例如 RoI Transformer、Gliding Vertex）。得益于 MMdetection 的模块化设计，检测器的许多部分（如骨干网络、RPN、采样器和分配器）都提供了多种可选方案。\n\n- **灵活的定向框表示**\n\n  本工具箱支持水平边界框 (HBB)、定向边界框 (OBB) 和四点框 (POLY)。程序会根据张量形状或默认设置来确定边界框的类型。\n\n  我们开发了 [BboxToolkit](https:\u002F\u002Fgithub.com\u002Fjbwang1997\u002FBboxToolkit)，用于支持定向边界框的操作，该工具箱对它有很强的依赖性。\n\n## 许可证\n\n本项目采用 [Apache 2.0 许可证](LICENSE) 发布。\n\n## 更新\n\n- (**2022-03-15**) 支持定向掩码。开源 [Oriented R-CNN and Beyond](configs\u002Fobb\u002Foriented_rcnn_beyond)。\n- (**2021-12-14**) 感谢 [liuyanyi](https:\u002F\u002Fgithub.com\u002Fliuyanyi) 在 OBBDetection 中重新实现 [S2ANet](configs\u002Fobb\u002Fs2anet)。\n- (**2021-11-29**) 放弃 mmcv-0.6.2，改为支持 mmcv-full。\n- (**2021-09-18**) 在 OBBDetection 中实现了 [Double Head OBB](configs\u002Fobb\u002Fdouble_heads_obb)。\n- (**2021-09-01**) 在 OBBDetection 中实现了 [FCOS OBB](configs\u002Fobb\u002Ffcos_obb)。\n- (**2021-08-21**) 重新实现了 [PolyIoULoss](configs\u002Fobb\u002Fpoly_iou_loss)。\n\n## 基准测试与模型库\n\n结果和模型可在 [模型库](docs\u002Fmodel_zoo.md) 中查看。\n\n支持的骨干网络：\n- [x] ResNet\n- [x] ResNeXt\n- [x] VGG\n- [x] HRNet\n- [x] RegNet\n- [x] Res2Net\n\n支持的定向检测方法：\n- [x] [S2ANet (TGRS)](configs\u002Fobb\u002Fs2anet)\n- [x] [Oriented R-CNN (ICCV'2021)](configs\u002Fobb\u002Foriented_rcnn)\n- [x] [Oriented R-CNN and Beyond (IJCV 2024)](configs\u002Fobb\u002Foriented_rcnn_beyond)\n- [x] [Poly IoU Loss](configs\u002Fobb\u002Fpoly_iou_loss)\n- [x] [Faster R-CNN OBB](configs\u002Fobb\u002Ffaster_rcnn_obb)\n- [x] [Double Head OBB](configs\u002Fobb\u002Fdouble_heads_obb)\n- [x] [RetinaNet OBB](configs\u002Fobb\u002Fretinanet_obb)\n- [x] [Gliding Vertex](configs\u002Fobb\u002Fgliding_vertex)\n- [x] [RoI Transformer](configs\u002Fobb\u002Froi_transformer)\n- [x] [FCOS OBB](configs\u002Fobb\u002Ffcos_obb)\n\n支持的水平检测方法：\n- [x] [RPN](configs\u002Frpn)\n- [x] [Fast R-CNN](configs\u002Ffast_rcnn)\n- [x] [Faster R-CNN](configs\u002Ffaster_rcnn)\n- [x] [Mask R-CNN](configs\u002Fmask_rcnn)\n- [x] [Cascade R-CNN](configs\u002Fcascade_rcnn)\n- [x] [Cascade Mask R-CNN](configs\u002Fcascade_rcnn)\n- [x] [SSD](configs\u002Fssd)\n- [x] [RetinaNet](configs\u002Fretinanet)\n- [x] [GHM](configs\u002Fghm)\n- [x] [Mask Scoring R-CNN](configs\u002Fms_rcnn)\n- [x] [Double-Head R-CNN](configs\u002Fdouble_heads)\n- [x] [Hybrid Task Cascade](configs\u002Fhtc)\n- [x] [Libra R-CNN](configs\u002Flibra_rcnn)\n- [x] [Guided Anchoring](configs\u002Fguided_anchoring)\n- [x] [FCOS](configs\u002Ffcos)\n- [x] [RepPoints](configs\u002Freppoints)\n- [x] [Foveabox](configs\u002Ffoveabox)\n- [x] [FreeAnchor](configs\u002Ffree_anchor)\n- [x] [NAS-FPN](configs\u002Fnas_fpn)\n- [x] [ATSS](configs\u002Fatss)\n- [x] [FSAF](configs\u002Ffsaf)\n- [x] [PAFPN](configs\u002Fpafpn)\n- [x] [Dynamic R-CNN](configs\u002Fdynamic_rcnn)\n- [x] [PointRend](configs\u002Fpoint_rend)\n- [x] [CARAFE](configs\u002Fcarafe\u002FREADME.md)\n- [x] [DCNv2](configs\u002Fdcn\u002FREADME.md)\n- [x] [Group Normalization](configs\u002Fgn\u002FREADME.md)\n- [x] [Weight Standardization](configs\u002Fgn+ws\u002FREADME.md)\n- [x] [OHEM](configs\u002Ffaster_rcnn\u002Ffaster_rcnn_r50_fpn_ohem_1x_coco.py)\n- [x] [Soft-NMS](configs\u002Ffaster_rcnn\u002Ffaster_rcnn_r50_fpn_soft_nms_1x_coco.py)\n- [x] [Generalized Attention](configs\u002Fempirical_attention\u002FREADME.md)\n- [x] [GCNet](configs\u002Fgcnet\u002FREADME.md)\n- [x] [混合精度训练 (FP16)](configs\u002Ffp16\u002FREADME.md)\n- [x] [InstaBoost](configs\u002Finstaboost\u002FREADME.md)\n- [x] [GRoIE](configs\u002Fgroie\u002FREADME.md)\n- [x] [DetectoRS](configs\u002Fdetectors\u002FREADME.md)\n- [x] [Generalized Focal Loss](configs\u002Fgfl\u002FREADME.md)\n\n## 安装\n\n请参阅 [install.md](docs\u002Finstall.md) 了解安装和数据集准备的相关信息。\n\n## 开始使用\n\n### 定向模型的训练与测试\n\n如果您想训练或测试一个定向模型，请参考 [oriented_model_starting.md](docs\u002Foriented_model_starting.md)。\n\n### 如何使用 MMDetection\n\n如果您不熟悉 MMDetection，请参阅 [getting_started.md](docs\u002Fgetting_started.md)，了解 MMDetection 的基本用法。此外，还有关于 [微调模型](docs\u002Ftutorials\u002Ffinetune.md)、[添加新数据集](docs\u002Ftutorials\u002Fnew_dataset.md)、[设计数据流水线](docs\u002Ftutorials\u002Fdata_pipeline.md) 和 [添加新模块](docs\u002Ftutorials\u002Fnew_modules.md) 的教程。\n\n## 致谢\n\n我们在开发 OBBDetection 时参考了 [S2ANet](https:\u002F\u002Fgithub.com\u002Fcsuhan\u002Fs2anet) 和 [AerialDetection](https:\u002F\u002Fgithub.com\u002Fdingjiansw101\u002FAerialDetection)。\n\n本工具箱基于 [MMdetection](https:\u002F\u002Fgithub.com\u002Fopen-mmlab\u002Fmmdetection) 修改而成。如果您在研究中使用了本工具箱或其基准测试，请引用以下信息：\n\n```\n@article{mmdetection,\n  title   = {{MMDetection}: Open MMLab Detection Toolbox and Benchmark},\n  author  = {Chen, Kai and Wang, Jiaqi and Pang, Jiangmiao and Cao, Yuhang and\n             Xiong, Yu and Li, Xiaoxiao and Sun, Shuyang and Feng, Wansen and\n             Liu, Ziwei and Xu, Jiarui and Zhang, Zheng and Cheng, Dazhi and\n             Zhu, Chenchen and Cheng, Tianheng and Zhao, Qijie and Li, Buyu and\n             Lu, Xin and Zhu, Rui and Wu, Yue and Dai, Jifeng and Wang, Jingdong\n             and Shi, Jianping and Ouyang, Wanli and Loy, Chen Change and Lin, Dahua},\n  journal = {arXiv preprint arXiv:1906.07155},\n  year={2019}\n}\n```\n\n这是 [Oriented R-CNN](configs\u002Fobb\u002Foriented_rcnn) 的官方实现。如果在您的研究中使用了它，请引用以下信息：\n\n```\n@InProceedings{Xie_2021_ICCV,\n  author = {Xie, Xingxing and Cheng, Gong and Wang, Jiabao and Yao, Xiwen and Han, Junwei},\n  title = {Oriented R-CNN for Object Detection},\n  booktitle = {Proceedings of the IEEE\u002FCVF International Conference on Computer Vision (ICCV)},\n  month = {October},\n  year = {2021},\n  pages = {3520-3529} }\n```\n\n```\n@ARTICLE{orcnn_beyond,\n  author={Xie, Xingxing and Cheng, Gong and Wang, Jiabao and Li, Ke and Han, Junwei},\n  journal={International Journal of Computer Vision}, \n  title={Oriented R-CNN and Beyond}, \n  year={2024},\n  pages={1-23},\n  doi={https:\u002F\u002Fdoi.org\u002F10.1007\u002Fs11263-024-01989-w}\n}\n```","# OBBDetection 快速上手指南\n\nOBBDetection 是一个基于 MMDetection v2.2 修改的旋转目标检测工具箱，支持水平框（HBB）、旋转框（OBB）和四点框（POLY）等多种表示形式，内置了 RoI Transformer、Gliding Vertex、Oriented R-CNN 等主流旋转检测算法。\n\n## 环境准备\n\n在开始之前，请确保满足以下系统要求和依赖：\n\n*   **操作系统**: Linux (推荐 Ubuntu 18.04+)\n*   **Python**: 3.7+\n*   **PyTorch**: 1.6+ (需与 CUDA 版本匹配)\n*   **CUDA**: 9.2+ (根据显卡驱动选择)\n*   **核心依赖**:\n    *   `mmcv-full` (注意：本项目已不再支持旧版 `mmcv-0.6.2`)\n    *   `BboxToolkit` (本项目重度依赖此库进行旋转框运算)\n\n> **国内加速建议**：安装 PyTorch 和 mmcv 时，建议使用清华源或阿里源以加快下载速度。\n\n## 安装步骤\n\n### 1. 创建虚拟环境并安装 PyTorch\n推荐使用 conda 管理环境。以下命令使用清华源安装 PyTorch（请根据实际 CUDA 版本调整 `cudatoolkit` 版本号）：\n\n```bash\nconda create -n obbdet python=3.8 -y\nconda activate obbdet\npip install torch torchvision torchaudio --index-url https:\u002F\u002Fdownload.pytorch.org\u002Fwhl\u002Fcu118\n```\n\n### 2. 安装 MMCV-Full\nOBBDetection 依赖 `mmcv-full`。建议使用 OpenMMLab 提供的国内镜像源安装预编译包，避免源码编译耗时：\n\n```bash\npip install mmcv-full -f https:\u002F\u002Fdownload.openmmlab.com\u002Fmmcv\u002Fdist\u002Fcu118\u002Ftorch1.12\u002Findex.html\n# 注意：请将上述链接中的 cu118\u002Ftorch1.12 替换为你实际的 CUDA 和 PyTorch 版本\n```\n\n### 3. 安装 BboxToolkit\n由于 OBBDetection 强依赖 BboxToolkit 处理旋转框操作，需先安装该库：\n\n```bash\ngit clone https:\u002F\u002Fgithub.com\u002Fjbwang1997\u002FBboxToolkit.git\ncd BboxToolkit\npip install -r requirements.txt\npython setup.py develop\ncd ..\n```\n\n### 4. 安装 OBBDetection\n克隆本仓库并以开发模式安装：\n\n```bash\ngit clone https:\u002F\u002Fgithub.com\u002Fjbwang1997\u002FOBBDetection.git\ncd OBBDetection\npip install -v -e .\n```\n\n## 基本使用\n\n安装完成后，你可以直接使用配置文件进行模型训练或测试。以下是最简单的推理示例，使用预训练的 Oriented R-CNN 模型对图片进行检测。\n\n### 单张图片推理\n\n假设你有一张名为 `demo.jpg` 的图片，且已下载好对应的配置文件和权重文件（可从 [Model Zoo](docs\u002Fmodel_zoo.md) 获取）。\n\n```bash\npython demo\u002Fimage_demo.py demo.jpg configs\u002Fobb\u002Foriented_rcnn\u002Foriented_rcnn_r50_fpn_1x_dota_le90.py oriented_rcnn_r50_fpn_1x_dota_le90.pth --out-file result.jpg\n```\n\n*   `demo.jpg`: 输入图片路径。\n*   `configs\u002F...`: 模型配置文件路径。\n*   `oriented_rcnn_...pth`: 模型权重文件路径。\n*   `--out-file`: 输出结果图片的保存路径。\n\n### 训练模型\n\n若需从头训练或使用自定义数据集，请使用以下命令（以单卡训练为例）：\n\n```bash\npython tools\u002Ftrain.py configs\u002Fobb\u002Foriented_rcnn\u002Foriented_rcnn_r50_fpn_1x_dota_le90.py --work-dir work_dirs\u002Foriented_rcnn\n```\n\n若使用多卡训练（例如 8 张卡）：\n\n```bash\n.\u002Ftools\u002Fdist_train.sh configs\u002Fobb\u002Foriented_rcnn\u002Foriented_rcnn_r50_fpn_1x_dota_le90.py 8\n```\n\n> **提示**：更多高级用法（如微调模型、添加新数据集、设计数据流水线等）请参考官方文档 `docs\u002Fgetting_started.md` 及 `docs\u002Ftutorials\u002F` 目录下的教程。","某遥感影像分析团队正在开发一套自动化系统，用于从卫星图中精准识别港口密集停靠的船只和机场跑道上的飞机。\n\n### 没有 OBBDetection 时\n- **检测框冗余严重**：传统水平检测框（HBB）无法贴合倾斜目标，导致相邻船只的边界框大面积重叠，难以区分独立个体。\n- **小目标漏检率高**：在密集场景下，水平框包含大量背景噪声，干扰模型判断，致使小型飞机或舰艇频繁漏检。\n- **算法复现成本高昂**：团队若想尝试 RoI Transformer 或 Gliding Vertex 等前沿旋转检测算法，需从零搭建框架，耗时数周且易出错。\n- **数据格式转换繁琐**：缺乏统一工具处理多边形（POLY）和旋转框（OBB）标注，预处理脚本复杂且难以维护。\n\n### 使用 OBBDetection 后\n- **精准贴合目标**：利用 OBBDetection 支持的旋转框检测，边界紧密包裹倾斜船只，彻底消除密集排列时的框体重叠问题。\n- **显著提升召回率**：通过减少背景干扰，模型对微小目标的特征提取更专注，机场飞机识别准确率大幅提升。\n- **开箱即用多种架构**：直接调用内置的 S2ANet、Oriented R-CNN 等成熟模型，无需修改底层代码，一天内即可完成基线构建与对比实验。\n- **灵活适配标注体系**：依托 BboxToolkit 支持，无缝切换水平框、旋转框及四点标注格式，数据流转效率提高数倍。\n\nOBBDetection 让遥感目标检测从“粗略定位”进化为“精准感知”，极大降低了高性能旋转检测算法的工程落地门槛。","https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Fjbwang1997_OBBDetection_2fcc2e04.jpg","jbwang1997","https:\u002F\u002Foss.gittoolsai.com\u002Favatars\u002Fjbwang1997_73da8d8e.jpg","Keep calm and carry on coding!!!","NWPU -> NKU","Tianjin, China","jbwang1997@gmail.com",null,"https:\u002F\u002Fjbwang1997.github.io\u002F","https:\u002F\u002Fgithub.com\u002Fjbwang1997",[83,87,91,95,99,103],{"name":84,"color":85,"percentage":86},"Python","#3572A5",90.9,{"name":88,"color":89,"percentage":90},"C++","#f34b7d",5,{"name":92,"color":93,"percentage":94},"Cuda","#3A4E3A",4,{"name":96,"color":97,"percentage":98},"Shell","#89e051",0.1,{"name":100,"color":101,"percentage":102},"C","#555555",0,{"name":104,"color":105,"percentage":102},"Dockerfile","#384d54",608,125,"2026-04-19T08:46:21","Apache-2.0","未说明","需要 NVIDIA GPU（基于 MMDetection 和 CUDA 依赖），具体型号和显存大小未说明，需安装 mmcv-full（通常对应特定 CUDA 版本）",{"notes":113,"python":110,"dependencies":114},"该工具是基于 MMDetection v2.2 修改的旋转目标检测工具箱。安装详细说明请参阅 docs\u002Finstall.md 文档。必须安装 BboxToolkit 以支持旋转框操作。不再支持旧版 mmcv-0.6.2，需使用 mmcv-full。",[115,116,117,118,119],"mmdetection==2.2","mmcv-full","BboxToolkit","torch","torchvision",[15],[122,123],"object-detection","oriented-object-detection","2026-03-27T02:49:30.150509","2026-04-20T07:16:10.452627",[127,132,137,142,147,152],{"id":128,"question_zh":129,"answer_zh":130,"source_url":131},43934,"测试阶段如何支持多 GPU 或增大批次大小（batch size）？","目前默认在单 GPU 上测试时 batch size 只能为 1。若要改为多 batch，需要修改模型的后处理逻辑，过程较为复杂。具体尝试步骤包括：1. 将配置中的 samples_per_gpu 从 1 改为目标值（如 10）；2. 移除基础配置中关于 'assert samples_per_gpu == 1' 的断言。但仅做这些修改可能仍无法正常运行，因为 recall 等指标的计算时间在多 batch 下会显著增加，且后处理代码需适配批量数据。","https:\u002F\u002Fgithub.com\u002Fjbwang1997\u002FOBBDetection\u002Fissues\u002F19",{"id":133,"question_zh":134,"answer_zh":135,"source_url":136},43935,"安装环境时报错，特别是使用 RTX 3090 显卡时如何解决 CUDA 版本兼容性问题？","RTX 3090 显卡通常需要使用 CUDA 11 及以上版本。如果遇到安装报错，请检查系统安装的 CUDA 版本（通过 nvcc --version 查看）是否与 cudatoolkit 版本一致。若不一致，建议重新安装匹配的 CUDA 版本。有用户反馈在 RTX 3090 上使用 torch 1.7.1 搭配 cuda 11.0 可以成功训练。此外，确保驱动版本支持对应的 CUDA 版本（例如 3090 需较新驱动）。","https:\u002F\u002Fgithub.com\u002Fjbwang1997\u002FOBBDetection\u002Fissues\u002F7",{"id":138,"question_zh":139,"answer_zh":140,"source_url":141},43936,"编译自定义 CUDA 扩展（如 convex_ext）时出现缩进错误或链接错误怎么办？","如果在 Colab 或 Python 脚本中编译扩展时出现 IndentationError，请检查 setup 代码块的缩进是否正确。若训练中途出现 'Non-finite norm encountered' 错误，可能是输入数据中包含没有 ground truth 的图像导致 assigner 出错。另外，若不需要 CPU 版本支持，可以尝试注释掉 convex_ext.cpp 中的 CPU 相关函数（如 convex_sort_cpu），仅保留 CUDA 实现以简化编译和运行流程。","https:\u002F\u002Fgithub.com\u002Fjbwang1997\u002FOBBDetection\u002Fissues\u002F24",{"id":143,"question_zh":144,"answer_zh":145,"source_url":146},43937,"测试时遇到 'IndexError: too many indices for array' 错误，原因是 dets 维度不对，如何解决？","该错误通常发生在格式化结果时，代码期望 dets 是二维数组，但实际得到了一维数组（shape 为 (6,)）。这可能是因为某些图像没有检测到任何目标，导致输出为空或维度塌陷。解决方法是在访问 dets 之前增加维度判断，例如：如果 dets 为空或维度不足，则跳过该图像或填充默认值。同时，确保测试时的图像缩放比例（img scale）与训练时保持一致（如训练用 1024x1024，测试也应用相同尺度），否则可能导致检测框异常。","https:\u002F\u002Fgithub.com\u002Fjbwang1997\u002FOBBDetection\u002Fissues\u002F8",{"id":148,"question_zh":149,"answer_zh":150,"source_url":151},43938,"修改 DOTA 数据集类别为自己数据集的类别后训练报错，如何处理？","修改类别时需同步更新三部分：1. 数据集定义文件中的类别列表（如 DOTA1_0 元组）；2. 配置文件中的 num_classes 数值；3. 确保标注文件格式与新类别一一对应。报错 'ValueError in DataLoader worker process' 通常是因为标签索引超出范围或类别名称不匹配。请检查标注文件中的类别名是否完全等于配置中定义的字符串，并注意不要遗留旧类别的硬编码。若使用 coco 格式转换，还需更新 cat_ids 映射。","https:\u002F\u002Fgithub.com\u002Fjbwang1997\u002FOBBDetection\u002Fissues\u002F14",{"id":153,"question_zh":154,"answer_zh":155,"source_url":146},43939,"是否可以用在不同图像尺度上训练的模型进行测试？例如用 1024x1024 训练的模型测试 512x512 的图像？","理论上可以，但不推荐。测试时的图像尺度应尽量与训练时保持一致。如果在 1024x1024 尺度上训练的模型用于测试 512x512 的图像，会导致特征提取尺度不匹配，从而显著降低 mAP（平均精度）。为了获得最佳效果，请在推理前将输入图像 resize 到训练时使用的尺度，或者重新在目标尺度上微调模型。",[]]