[{"data":1,"prerenderedAt":-1},["ShallowReactive",2],{"similar-luuuyi--CBAM.PyTorch":3,"tool-luuuyi--CBAM.PyTorch":64},[4,17,26,40,48,56],{"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},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。",107662,2,"2026-04-03T11:11:01",[13,14,15],{"id":27,"name":28,"github_repo":29,"description_zh":30,"stars":31,"difficulty_score":23,"last_commit_at":32,"category_tags":33,"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",[14,34,35,36,15,37,38,13,39],"数据工具","视频","插件","其他","语言模型","音频",{"id":41,"name":42,"github_repo":43,"description_zh":44,"stars":45,"difficulty_score":10,"last_commit_at":46,"category_tags":47,"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",[15,14,13,38,37],{"id":49,"name":50,"github_repo":51,"description_zh":52,"stars":53,"difficulty_score":10,"last_commit_at":54,"category_tags":55,"status":16},519,"PaddleOCR","PaddlePaddle\u002FPaddleOCR","PaddleOCR 是一款基于百度飞桨框架开发的高性能开源光学字符识别工具包。它的核心能力是将图片、PDF 等文档中的文字提取出来，转换成计算机可读取的结构化数据，让机器真正“看懂”图文内容。\n\n面对海量纸质或电子文档，PaddleOCR 解决了人工录入效率低、数字化成本高的问题。尤其在人工智能领域，它扮演着连接图像与大型语言模型（LLM）的桥梁角色，能将视觉信息直接转化为文本输入，助力智能问答、文档分析等应用场景落地。\n\nPaddleOCR 适合开发者、算法研究人员以及有文档自动化需求的普通用户。其技术优势十分明显：不仅支持全球 100 多种语言的识别，还能在 Windows、Linux、macOS 等多个系统上运行，并灵活适配 CPU、GPU、NPU 等各类硬件。作为一个轻量级且社区活跃的开源项目，PaddleOCR 既能满足快速集成的需求，也能支撑前沿的视觉语言研究，是处理文字识别任务的理想选择。",74913,"2026-04-05T10:44:17",[38,14,13,37],{"id":57,"name":58,"github_repo":59,"description_zh":60,"stars":61,"difficulty_score":23,"last_commit_at":62,"category_tags":63,"status":16},2471,"tesseract","tesseract-ocr\u002Ftesseract","Tesseract 是一款历史悠久且备受推崇的开源光学字符识别（OCR）引擎，最初由惠普实验室开发，后由 Google 维护，目前由全球社区共同贡献。它的核心功能是将图片中的文字转化为可编辑、可搜索的文本数据，有效解决了从扫描件、照片或 PDF 文档中提取文字信息的难题，是数字化归档和信息自动化的重要基础工具。\n\n在技术层面，Tesseract 展现了强大的适应能力。从版本 4 开始，它引入了基于长短期记忆网络（LSTM）的神经网络 OCR 引擎，显著提升了行识别的准确率；同时，为了兼顾旧有需求，它依然支持传统的字符模式识别引擎。Tesseract 原生支持 UTF-8 编码，开箱即用即可识别超过 100 种语言，并兼容 PNG、JPEG、TIFF 等多种常见图像格式。输出方面，它灵活支持纯文本、hOCR、PDF、TSV 等多种格式，方便后续数据处理。\n\nTesseract 主要面向开发者、研究人员以及需要构建文档处理流程的企业用户。由于它本身是一个命令行工具和库（libtesseract），不包含图形用户界面（GUI），因此最适合具备一定编程能力的技术人员集成到自动化脚本或应用程序中",73286,"2026-04-03T01:56:45",[13,14],{"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":81,"owner_twitter":82,"owner_website":82,"owner_url":83,"languages":84,"stars":93,"forks":94,"last_commit_at":95,"license":82,"difficulty_score":23,"env_os":96,"env_gpu":97,"env_ram":98,"env_deps":99,"category_tags":107,"github_topics":82,"view_count":23,"oss_zip_url":82,"oss_zip_packed_at":82,"status":16,"created_at":108,"updated_at":109,"faqs":110,"releases":139},3701,"luuuyi\u002FCBAM.PyTorch","CBAM.PyTorch","Non-official implement of Paper：CBAM: Convolutional Block Attention Module","CBAM.PyTorch 是经典论文《CBAM: Convolutional Block Attention Module》的 PyTorch 非官方复现版本，旨在帮助开发者轻松在深度学习模型中集成注意力机制。它主要解决了传统卷积神经网络难以自适应地关注重要特征信息的问题，通过引入“通道注意力”和“空间注意力”两个串行子模块，让网络能够智能地判断“看哪里”以及“关注什么特征”，从而显著提升模型的表征能力和识别精度。\n\n该工具特别适合从事计算机视觉研究的科研人员、算法工程师以及希望优化模型性能的深度学习开发者使用。其核心技术亮点在于结构轻量且通用性强，可以像插件一样无缝嵌入到现有的卷积块中，无需大幅修改原有网络架构。实验数据显示，在 ImageNet-1K 数据集上，将 CBAM 模块应用于 ResNet50 后，Top-1 准确率从 74.26% 提升至 75.45%，证明了其在提升模型效果方面的有效性。代码库依赖清晰，支持 Python3 与 PyTorch 环境，并提供了详细的训练与验证配置参考，是学习和应用注意力机制的优质开源资源。","# CBAM.PyTorch\nNon-official implement of Paper：CBAM: Convolutional Block Attention Module\n\n## Introduction\nThe codes are [PyTorch](https:\u002F\u002Fpytorch.org\u002F) re-implement version for paper: CBAM: Convolutional Block Attention Module\n\n> Woo S, Park J, Lee J Y, et al. CBAM: Convolutional Block Attention Module[J]. 2018. [ECCV2018](http:\u002F\u002Fopenaccess.thecvf.com\u002Fcontent_ECCV_2018\u002Fpapers\u002FSanghyun_Woo_Convolutional_Block_Attention_ECCV_2018_paper.pdf)\n\n## Structure\n\nThe overview of CBAM. The module has two sequential sub-modules:\nchannel and spatial. The intermediate feature map is adaptively refined through\nour module (CBAM) at every convolutional block of deep networks.\n\n![1](https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Fluuuyi_CBAM.PyTorch_readme_70fd41ab209e.png)\n\n## Requirements\n- Python3\n- PyTorch 0.4.1\n- tensorboardX (optional)\n- torchnet\n- pretrainedmodels (optional)\n\n## Results\nWe just test four models in ImageNet-1K, both train set and val set are scaled to 256(minimal side), only use **Mirror** and **RandomResizeCrop** as training data augmentation, during validation, we use center crop to get 224x224 patch.\n\n### ImageNet-1K\n\nModels         | validation(Top-1) | validation(Top-5) |\n-------------  | ----------------- | ----------------- |\nResNet50       | 74.26             | 91.91             |\nResNet50-CBAM  | 75.45             | 92.55             |","# CBAM.PyTorch\n论文《CBAM：卷积块注意力模块》的非官方实现\n\n## 简介\n这些代码是论文《CBAM：卷积块注意力模块》的 [PyTorch](https:\u002F\u002Fpytorch.org\u002F) 重新实现版本。\n\n> Woo S, Park J, Lee J Y, et al. CBAM: Convolutional Block Attention Module[J]. 2018. [ECCV2018](http:\u002F\u002Fopenaccess.thecvf.com\u002Fcontent_ECCV_2018\u002Fpapers\u002FSanghyun_Woo_Convolutional_Block_Attention_ECCV_2018_paper.pdf)\n\n## 结构\nCBAM 的整体结构。该模块包含两个顺序连接的子模块：通道注意力模块和空间注意力模块。在深度网络的每个卷积块之后，中间特征图都会通过我们的模块（CBAM）进行自适应地细化。\n\n![1](https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Fluuuyi_CBAM.PyTorch_readme_70fd41ab209e.png)\n\n## 需求\n- Python3\n- PyTorch 0.4.1\n- tensorboardX（可选）\n- torchnet\n- pretrainedmodels（可选）\n\n## 结果\n我们仅在 ImageNet-1K 数据集上测试了四种模型。训练集和验证集都缩放到 256 像素（短边），训练时仅使用 **镜像翻转** 和 **随机裁剪** 作为数据增强手段。验证时则采用中心裁剪获取 224x224 的图像块。\n\n### ImageNet-1K\n\n模型         | 验证集（Top-1） | 验证集（Top-5） |\n-------------  | ----------------- | ----------------- |\nResNet50       | 74.26             | 91.91             |\nResNet50-CBAM  | 75.45             | 92.55             |","# CBAM.PyTorch 快速上手指南\n\nCBAM (Convolutional Block Attention Module) 是一种轻量级的注意力模块，可串行集成到任何卷积神经网络中。该仓库提供了基于 PyTorch 的非官方复现版本，旨在通过通道注意力和空间注意力机制自适应地优化特征图，提升模型性能。\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 \u002F macOS \u002F Windows\n*   **Python 版本**: Python 3.x\n*   **核心框架**: PyTorch >= 0.4.1\n*   **可选依赖**:\n    *   `tensorboardX`: 用于可视化训练过程\n    *   `torchnet`: 辅助工具库\n    *   `pretrainedmodels`: 用于加载预训练模型\n\n> **国内加速建议**：推荐使用清华或阿里镜像源安装 Python 依赖，以提升下载速度。\n> ```bash\n> pip install -i https:\u002F\u002Fpypi.tuna.tsinghua.edu.cn\u002Fsimple \u003Cpackage_name>\n> ```\n\n## 安装步骤\n\n1.  **克隆项目代码**\n    将仓库克隆到本地目录：\n    ```bash\n    git clone https:\u002F\u002Fgithub.com\u002Fluuuyi\u002FCBAM.PyTorch.git\n    cd CBAM.PyTorch\n    ```\n\n2.  **安装依赖包**\n    使用 pip 安装必要的 Python 库（建议使用国内镜像）：\n    ```bash\n    pip install -i https:\u002F\u002Fpypi.tuna.tsinghua.edu.cn\u002Fsimple torch torchvision tensorboardX torchnet pretrainedmodels\n    ```\n    *注：如果您的环境中已安装 PyTorch，可跳过 torch 和 torchvision 的安装。*\n\n## 基本使用\n\nCBAM 模块设计为即插即用，可以轻松嵌入到现有的 ResNet 或其他卷积网络结构中。以下是如何在代码中定义并集成 CBAM 的最简示例。\n\n### 1. 导入模块\n假设您已将 `cbam.py`（包含 `CBAM` 类定义的文件）放置在项目目录中：\n\n```python\nfrom cbam import CBAM\n```\n\n### 2. 集成到模型中\n您可以在任意卷积层之后添加 CBAM 模块。以下是一个在 `ResNet` 风格块中使用的示例片段：\n\n```python\nimport torch\nimport torch.nn as nn\nfrom cbam import CBAM\n\nclass BasicBlockWithCBAM(nn.Module):\n    def __init__(self, in_planes, out_planes, stride=1):\n        super(BasicBlockWithCBAM, self).__init__()\n        \n        # 标准卷积层\n        self.conv1 = nn.Conv2d(in_planes, out_planes, kernel_size=3, stride=stride, padding=1, bias=False)\n        self.bn1 = nn.BatchNorm2d(out_planes)\n        self.relu = nn.ReLU(inplace=True)\n        \n        self.conv2 = nn.Conv2d(out_planes, out_planes, kernel_size=3, stride=1, padding=1, bias=False)\n        self.bn2 = nn.BatchNorm2d(out_planes)\n\n        # 集成 CBAM 模块\n        # gate_channels: 通道数，reduction_ratio: 压缩比 (通常为 16)，pool_type: 池化类型\n        self.cbam = CBAM(gate_channels=out_planes, reduction_ratio=16, pool_types=['avg', 'max'])\n\n    def forward(self, x):\n        residual = x\n\n        out = self.conv1(x)\n        out = self.bn1(out)\n        out = self.relu(out)\n\n        out = self.conv2(out)\n        out = self.bn2(out)\n\n        # 应用注意力机制\n        out = self.cbam(out)\n\n        out += residual\n        out = self.relu(out)\n\n        return out\n```\n\n### 3. 验证运行\n创建一个简单的输入张量测试模块是否正常工作：\n\n```python\nif __name__ == '__main__':\n    # 模拟输入：Batch Size=4, Channels=64, Height=56, Width=56\n    x = torch.randn(4, 64, 56, 56)\n    \n    # 初始化模块\n    model = CBAM(gate_channels=64)\n    \n    # 前向传播\n    output = model(x)\n    \n    print(f\"Input shape: {x.shape}\")\n    print(f\"Output shape: {output.shape}\")\n```\n\n根据论文实验结果，在 ImageNet-1K 数据集上，ResNet50 集成 CBAM 后 Top-1 准确率可从 74.26% 提升至 75.45%。","某医疗影像初创公司的算法团队正在开发基于 X 光片的肺炎辅助诊断系统，急需提升模型对微小病灶的识别准确率。\n\n### 没有 CBAM.PyTorch 时\n- 模型容易受到肺部无关背景（如肋骨纹理、噪点）的干扰，导致将正常组织误判为炎症区域。\n- 网络难以自适应地聚焦于关键的病变通道特征，必须依赖大量人工调参来平衡不同特征图的权重。\n- 在数据增强手段有限（仅使用基础裁剪和翻转）的情况下，ResNet50 基准模型的验证集 Top-1 准确率停滞在 74% 左右，无法满足临床辅助需求。\n- 为了强行提升性能，团队不得不盲目增加网络层数，导致显存占用激增且训练时间大幅延长。\n\n### 使用 CBAM.PyTorch 后\n- 通过串联通道与空间注意力子模块，模型能自动抑制背景噪声，精准锁定微小的肺炎浸润灶，显著降低误报率。\n- 无需复杂的人工干预，CBAM.PyTorch 让网络在每一个卷积块中自适应地细化特征图，智能强化关键病灶通道的响应。\n- 在保持原有数据增强策略不变的前提下，集成该模块的 ResNet50-CBAM 模型将验证集 Top-1 准确率提升至 75.45%，直接达到项目交付标准。\n- 以极小的计算代价换取了显著的性能增益，避免了盲目堆叠层数，在保证推理速度的同时实现了更高效的特征提取。\n\nCBAM.PyTorch 通过引入轻量级的双重注意力机制，让现有模型在不增加过多负担的情况下，实现了从“看全图”到“盯病灶”的智能跃升。","https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Fluuuyi_CBAM.PyTorch_043dbcc6.png","luuuyi","Yi Lu","https:\u002F\u002Foss.gittoolsai.com\u002Favatars\u002Fluuuyi_d3aef3db.png","Study in DeepLearning, Computer Vision. Object Detection, Face Detection, Person ReID, Semantic Segmentation, LLM\u002FMLLM for now.","Zhejiang University","Hangzhou, Zhejiang","435977170@qq.com",null,"https:\u002F\u002Fgithub.com\u002Fluuuyi",[85,89],{"name":86,"color":87,"percentage":88},"Python","#3572A5",99.7,{"name":90,"color":91,"percentage":92},"Shell","#89e051",0.3,1490,291,"2026-04-02T07:40:48","","未说明（基于 PyTorch，通常支持 CUDA 加速，但 README 未指定具体型号或版本）","未说明",{"notes":100,"python":101,"dependencies":102},"该工具是论文 CBAM 的非官方 PyTorch 复现版本。其中 tensorboardX 和 pretrainedmodels 为可选依赖。实验结果显示在 ImageNet-1K 数据集上对 ResNet50 等模型进行了测试，训练时图像短边缩放至 256，验证时使用中心裁剪至 224x224。","Python3",[103,104,105,106],"PyTorch==0.4.1","tensorboardX","torchnet","pretrainedmodels",[14],"2026-03-27T02:49:30.150509","2026-04-06T06:44:19.605566",[111,116,121,126,131,135],{"id":112,"question_zh":113,"answer_zh":114,"source_url":115},16954,"是否提供 ResNet50 的预训练模型下载链接？","目前不提供预训练模型，作者表示没有备份预训练模型文件。","https:\u002F\u002Fgithub.com\u002Fluuuyi\u002FCBAM.PyTorch\u002Fissues\u002F5",{"id":117,"question_zh":118,"answer_zh":119,"source_url":120},16952,"如何运行该项目代码？","可以在 train.sh 脚本中配置并启动 train.py 脚本，具体的配置项说明位于 train.py 文件中。","https:\u002F\u002Fgithub.com\u002Fluuuyi\u002FCBAM.PyTorch\u002Fissues\u002F2",{"id":122,"question_zh":123,"answer_zh":124,"source_url":125},16953,"该代码是否支持 PyTorch 0.4.0 版本？","作者开发时使用的基准环境是 PyTorch 0.4.1，但认为 PyTorch 0.4.0 应该也可以正常工作，建议用户尝试使用。","https:\u002F\u002Fgithub.com\u002Fluuuyi\u002FCBAM.PyTorch\u002Fissues\u002F1",{"id":127,"question_zh":128,"answer_zh":129,"source_url":130},16955,"通道注意力模块（ChannelAttention）中为何使用 nn.Conv2d 而不是 SE 块中的 nn.Linear？","作者在实现该工作时，官方版本尚未发布，因此是基于自己对论文的理解完成的实现，具体设计选择取决于当时的理解情况。","https:\u002F\u002Fgithub.com\u002Fluuuyi\u002FCBAM.PyTorch\u002Fissues\u002F3",{"id":132,"question_zh":133,"answer_zh":134,"source_url":130},16956,"对于时间序列数据，通道注意力模块建议使用 Conv1d 还是 Linear？","由于该实现是基于作者对论文的个人理解构建的（当时官方代码未发布），对于特定领域如时间序列的具体架构选择（Conv1d 或 Linear），建议用户根据自身实验效果进行调整和验证。",{"id":136,"question_zh":137,"answer_zh":138,"source_url":130},16957,"是否有与 Gather & Excite (GENet) 方法的对比实验？","目前没有直接的对比数据。作者提到在实现时参考了自己对论文的理解，且当时官方版本未发布。用户可以参考 GENet 仓库自行进行对比研究。",[]]