[{"data":1,"prerenderedAt":-1},["ShallowReactive",2],{"similar-ming71--mmdetection-annotated":3,"tool-ming71--mmdetection-annotated":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":70,"readme_en":71,"readme_zh":72,"quickstart_zh":73,"use_case_zh":74,"hero_image_url":75,"owner_login":76,"owner_name":77,"owner_avatar_url":78,"owner_bio":79,"owner_company":80,"owner_location":81,"owner_email":82,"owner_twitter":82,"owner_website":83,"owner_url":84,"languages":85,"stars":94,"forks":95,"last_commit_at":96,"license":97,"difficulty_score":98,"env_os":99,"env_gpu":100,"env_ram":99,"env_deps":101,"category_tags":107,"github_topics":108,"view_count":23,"oss_zip_url":82,"oss_zip_packed_at":82,"status":16,"created_at":112,"updated_at":113,"faqs":114,"releases":142},3910,"ming71\u002Fmmdetection-annotated","mmdetection-annotated","mmdetection源码注释","mmdetection-annotated 是知名开源目标检测框架 MMDetection 的中文注释增强版。它并非独立的新算法库，而是对 MMDetection 源代码进行了逐行解读与详细标注，旨在降低计算机视觉领域顶尖代码的学习门槛。\n\n该项目主要解决了初学者和研究者在阅读 MMDetection 复杂源码时面临的“无从下手”痛点。原框架虽功能强大且集成了大量前沿论文模型，但其代码结构对新手而言较为晦涩。通过提供详尽的中文注释、配置文件解析以及中间变量调试指南，mmdetection-annotated 让开发者能够清晰理解从数据加载、模型构建到推理预测的完整流程。\n\n该工具特别适合计算机视觉领域的入门开发者、高校学生及科研人员使用。对于希望深入理解 Faster RNN、Mask R-CNN 等经典模型内部机制，或需要基于 MMDetection 进行二次开发的用户来说，它是极佳的辅助资料。\n\n其技术亮点在于不仅覆盖了核心逻辑的代码注释，还附带了可视化的模型结构图、精简的测试数据集以及针对 CUDA 算子（如 RoIAlign）的专题解读文档。此外，项目提供了修改后的演示脚本，支","mmdetection-annotated 是知名开源目标检测框架 MMDetection 的中文注释增强版。它并非独立的新算法库，而是对 MMDetection 源代码进行了逐行解读与详细标注，旨在降低计算机视觉领域顶尖代码的学习门槛。\n\n该项目主要解决了初学者和研究者在阅读 MMDetection 复杂源码时面临的“无从下手”痛点。原框架虽功能强大且集成了大量前沿论文模型，但其代码结构对新手而言较为晦涩。通过提供详尽的中文注释、配置文件解析以及中间变量调试指南，mmdetection-annotated 让开发者能够清晰理解从数据加载、模型构建到推理预测的完整流程。\n\n该工具特别适合计算机视觉领域的入门开发者、高校学生及科研人员使用。对于希望深入理解 Faster RNN、Mask R-CNN 等经典模型内部机制，或需要基于 MMDetection 进行二次开发的用户来说，它是极佳的辅助资料。\n\n其技术亮点在于不仅覆盖了核心逻辑的代码注释，还附带了可视化的模型结构图、精简的测试数据集以及针对 CUDA 算子（如 RoIAlign）的专题解读文档。此外，项目提供了修改后的演示脚本，支持单张图片或文件夹批量推理，并引入了断点调试和钩子函数示例，极大地便利了代码的复现与排错工作。","# Notes!!\nMMDetection-annotations have been update to latest **version 1.0**. I'll continue updating but may not chase after upgrades for latest version.\n# mmdetection-annotated \n\n## Introduction\nRefer to the execllent implemention here:https:\u002F\u002Fgithub.com\u002Fopen-mmlab\u002Fmmdetection ,and thanks to author [Kai Chen](https:\u002F\u002Fgithub.com\u002Fhellock).\u003C\u002Fbr>\nOpen-mmlab project , which contains various models and implementions of latest papers , achieves great results in detection\u002Fsegmentataion tasks , and is kind enough for rookies in CV field.\u003C\u002Fbr>\n\n## Getting started\nMore information about installation or pre-train model downloads , pls refer to [officia mmdetection](https:\u002F\u002Fgithub.com\u002Fopen-mmlab\u002Fmmdetection) or [blog here](https:\u002F\u002Fblog.csdn.net\u002Fmingqi1996\u002Farticle\u002Fdetails\u002F88091802)\u003C\u002Fbr>\n* **Test on images\u003C\u002Fbr>**\nYou can test on Faster RCNN demo by running the script `demo.py`.\nI have just rewritten the demo file to detect on single image or a folder as follow:\n```\nimport os\nfrom mmdet.apis import init_detector, inference_detector, show_result\n\nif __name__ == '__main__':\n\tconfig_file = 'configs\u002Ffaster_rcnn_r50_fpn_1x.py'\n\tcheckpoint_file = 'weights\u002Ffaster_rcnn_r50_fpn_1x_20181010-3d1b3351.pth'\n\t# checkpoint_file = 'tools\u002Fwork_dirs\u002Fmask_rcnn_r101_fpn_1x\u002Fepoch_1200.pth'\n\timg_path = '\u002Fhome\u002Fbit\u002F下载\u002Fn07753592'\n\tmodel = init_detector(config_file, checkpoint_file, device='cuda:0')\n\t# print(model)\n\t# 输入可以为文件夹或者图片\n\tif os.path.isdir(img_path):\n\t\timgs= os.listdir(img_path)\n\t\tfor i in range(len(imgs)):\n\t\t\timgs[i]=os.path.join(img_path,imgs[i])\n\t\tfor i, result in enumerate(inference_detector(model, imgs)):\t# 支持可迭代输入imgs\n\t\t\tprint(i, imgs[i])\n\t\t\tshow_result(imgs[i], result, model.CLASSES, out_file='output\u002Fresult_{}.jpg'.format(i))\n\n\telif os.path.isfile(img_path):\n\t\tresult = inference_detector(model, img_path)\n\t\tshow_result(img_path, result, model.CLASSES)\n\n\n```\n* **Debug**  \nYou can debug by setting breakpoint with method of adding `ipdb.set_trace()`.Before that , make sure of the success installment and import of **ipdb** package.\n* **Hook**  \nIf you want to inspect on intermediate variables , `hook.py` can be a provision served as a reference for your work.\n## Annotations\nAnnotations are attached everywhere in the code(surely only the part I have read , and the not finished part will be completed as soon as possible). Beside , `annotation` folder contains some interpreting documents as well.  \n* **Dataset Example**   \nProvide a simple small sample data set for testing (segmentation && detection) .More details referrd to instruction [here](https:\u002F\u002Fblog.csdn.net\u002Fmingqi1996\u002Farticle\u002Fdetails\u002F96706619)\n\n* **CUDA related code**  \nI've delete files in folder mmdet\u002Fops cause no annotations attached inside.However it's a good news that specific notes are made about RoIAlign [here](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F75171514) .\n\n* **Model visualization**  \n  Take Mask-RCNN for example , the model can be visualized as follow:(more details refere to [model-structure-png](https:\u002F\u002Fgithub.com\u002Fming71\u002Fmmdetection-annotated\u002Fblob\u002Fmaster\u002Fannotation\u002Fmodel_vis\u002Fmaskrcnn-model-inference.png))\n\n* **notes**\n\n  \n\u003Cdiv align=center>\u003Cimg src=\"https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Fming71_mmdetection-annotated_readme_bdd7eae23bf6.png\"\u002F>\u003C\u002Fdiv>\n\n* **Configuration**  \nExplicit describtion on config file , take Mask RCNN for example , refer to [mask_rcnn_r101_fpn_1x.py](https:\u002F\u002Fgithub.com\u002Fming71\u002Fmmdetection-annotated\u002Fblob\u002Fmaster\u002Fannotation\u002Fmask_rcnn_r101_fpn_1x.py)  \n\n* **MMCV&MMDET**  \nSpecification of mmcv lib and a partial of mmdet(more details about various models will be updated later ).\u003C\u002Fbr>\n\n## Detection Results\u003C\u002Fbr>\nTest on Mask RCNN model:  \n\u003Cdiv align=center>\u003Cimg src=\"https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Fming71_mmdetection-annotated_readme_01d8665c1123.png\"\u002F>\u003C\u002Fdiv>\n\u003Cdiv align=center>\u003Cimg  src=\"https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Fming71_mmdetection-annotated_readme_a17d6d1b49ff.png\"\u002F>\u003C\u002Fdiv>\n\u003Cdiv align=center>\u003Cimg  src=\"https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Fming71_mmdetection-annotated_readme_76748a90f163.png\"\u002F>\u003C\u002Fdiv>\n\n\n## Training\u003C\u002Fbr>\n### **dataset**\u003Cbr>\n- You can just use COCO dataset , refer [here](https:\u002F\u002Fblog.csdn.net\u002Fmingqi1996\u002Farticle\u002Fdetails\u002F88091802).\u003Cbr>\n- If you want to train on your customed dataset labeled by `labelme` , you need first convert json files to COCO style , this [toolbox](https:\u002F\u002Fgithub.com\u002Fming71\u002Ftoolbox) may help you ;\u003Cbr>\n- If you want to train on your customed dataset labeled by `labelImg` , you need first convert xml files to COCO style , this [toolbox](https:\u002F\u002Fgithub.com\u002Fming71\u002Ftoolbox) may also help you .\u003Cbr>\n- I have tested on these tools recently to make sure them still work well, if questiones still arised , desrcibe on issue please or contact me , thanks.\u003Cbr>\n\n### learning rate\nRemember to set lr in config file according to your \u003Cu>**own GPU_NUM**\u003C\u002Fu> !!!!(eg.1\u002F8 of default lr for 1 GPU)\n\n\n\n","# 注释！！\nMMDetection注释已更新至最新**1.0版本**。我将继续更新，但可能不会紧跟最新版本的升级。\n\n# mmdetection-annotated \n\n## 简介\n参考此处出色的实现：https:\u002F\u002Fgithub.com\u002Fopen-mmlab\u002Fmmdetection，感谢作者[Kai Chen](https:\u002F\u002Fgithub.com\u002Fhellock)。\u003C\u002Fbr>\nOpen-mmlab项目包含多种模型及最新论文的实现，在检测\u002F分割任务中取得了优异的成绩，对计算机视觉领域的初学者也非常友好。\u003C\u002Fbr>\n\n## 入门\n关于安装或预训练模型下载的更多信息，请参阅[mmdetection官方仓库](https:\u002F\u002Fgithub.com\u002Fopen-mmlab\u002Fmmdetection)或[此博客](https:\u002F\u002Fblog.csdn.net\u002Fmingqi1996\u002Farticle\u002Fdetails\u002F88091802)\u003C\u002Fbr>\n* **在图像上测试\u003C\u002Fbr>**\n您可以通过运行脚本`demo.py`来测试Faster RCNN演示。我刚刚重写了该演示文件，使其能够对单张图片或一个文件夹进行检测，如下所示：\n```\nimport os\nfrom mmdet.apis import init_detector, inference_detector, show_result\n\nif __name__ == '__main__':\n\tconfig_file = 'configs\u002Ffaster_rcnn_r50_fpn_1x.py'\n\tcheckpoint_file = 'weights\u002Ffaster_rcnn_r50_fpn_1x_20181010-3d1b3351.pth'\n\t# checkpoint_file = 'tools\u002Fwork_dirs\u002Fmask_rcnn_r101_fpn_1x\u002Fepoch_1200.pth'\n\timg_path = '\u002Fhome\u002Fbit\u002F下载\u002Fn07753592'\n\tmodel = init_detector(config_file, checkpoint_file, device='cuda:0')\n\t# print(model)\n\t# 输入可以为文件夹或者图片\n\tif os.path.isdir(img_path):\n\t\timgs= os.listdir(img_path)\n\t\tfor i in range(len(imgs)):\n\t\t\timgs[i]=os.path.join(img_path,imgs[i])\n\t\tfor i, result in enumerate(inference_detector(model, imgs)):\t# 支持可迭代输入imgs\n\t\t\tprint(i, imgs[i])\n\t\t\tshow_result(imgs[i], result, model.CLASSES, out_file='output\u002Fresult_{}.jpg'.format(i))\n\n\telif os.path.isfile(img_path):\n\t\tresult = inference_detector(model, img_path)\n\t\tshow_result(img_path, result, model.CLASSES)\n\n\n```\n* **调试**  \n您可以通过添加`ipdb.set_trace()`方法设置断点来进行调试。在此之前，请确保已成功安装并导入了**ipdb**包。\n* **Hook**  \n如果您想检查中间变量，`hook.py`可以作为参考供您使用。\n## 注释\n代码中随处可见注释（当然，仅限于我阅读过的一部分，未完成的部分将尽快补充）。此外，`annotation`文件夹中还包含一些解释性文档。\n* **数据集示例**   \n提供了一个简单的小型数据集用于测试（分割&&检测）。更多详情请参阅[此处](https:\u002F\u002Fblog.csdn.net\u002Fmingqi1996\u002Farticle\u002Fdetails\u002F96706619)\n\n* **CUDA相关代码**  \n我删除了mmdet\u002Fops文件夹中的文件，因为其中没有附带注释。不过好消息是，关于RoIAlign有专门的说明[这里](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F75171514) 。\n\n* **模型可视化**  \n以Mask-RCNN为例，模型可以如下方式可视化：（更多详情请参阅[model-structure-png](https:\u002F\u002Fgithub.com\u002Fming71\u002Fmmdetection-annotated\u002Fblob\u002Fmaster\u002Fannotation\u002Fmodel_vis\u002Fmaskrcnn-model-inference.png))\n\n* **笔记**\n\n  \n\u003Cdiv align=center>\u003Cimg src=\"https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Fming71_mmdetection-annotated_readme_bdd7eae23bf6.png\"\u002F>\u003C\u002Fdiv>\n\n* **配置文件**  \n对配置文件进行了详细说明，以Mask RCNN为例，请参阅[mask_rcnn_r101_fpn_1x.py](https:\u002F\u002Fgithub.com\u002Fming71\u002Fmmdetection-annotated\u002Fblob\u002Fmaster\u002Fannotation\u002Fmask_rcnn_r101_fpn_1x.py)  \n\n* **MMCV&MMDET**  \n对mmcv库以及部分mmdet内容进行了说明（关于各种模型的更多细节将在后续更新）。 \u003C\u002Fbr>\n\n## 检测结果\u003C\u002Fbr>\n使用Mask RCNN模型进行测试：  \n\u003Cdiv align=center>\u003Cimg src=\"https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Fming71_mmdetection-annotated_readme_01d8665c1123.png\"\u002F>\u003C\u002Fdiv>\n\u003Cdiv align=center>\u003Cimg  src=\"https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Fming71_mmdetection-annotated_readme_a17d6d1b49ff.png\"\u002F>\u003C\u002Fdiv>\n\u003Cdiv align=center>\u003Cimg  src=\"https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Fming71_mmdetection-annotated_readme_76748a90f163.png\"\u002F>\u003C\u002Fdiv>\n\n\n## 训练\u003C\u002Fbr>\n### **数据集**\u003Cbr>\n- 您可以直接使用COCO数据集，详情请参阅[此处](https:\u002F\u002Fblog.csdn.net\u002Fmingqi1996\u002Farticle\u002Fdetails\u002F88091802)。\u003Cbr>\n- 如果您想使用`labelme`标注的自定义数据集进行训练，需要先将JSON文件转换为COCO格式，这个[工具箱](https:\u002F\u002Fgithub.com\u002Fming71\u002Ftoolbox)可能会帮到您；\u003Cbr>\n- 如果您想使用`labelImg`标注的自定义数据集进行训练，也需要先将XML文件转换为COCO格式，这个[工具箱](https:\u002F\u002Fgithub.com\u002Fming71\u002Ftoolbox)同样可以帮助您。\u003Cbr>\n- 我最近对这些工具进行了测试，确认它们仍然有效。如果仍有问题，请在issue中描述或与我联系，谢谢。\u003Cbr>\n\n### 学习率\n请务必根据您的\u003Cu>**GPU数量**\u003C\u002Fu>在配置文件中设置学习率！！！（例如，对于1个GPU，使用默认学习率的1\u002F8）","# MMDetection-Annotated 快速上手指南\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 (推荐 Ubuntu 16.04+)\n*   **Python**: 3.7+\n*   **CUDA**: 建议 CUDA 9.2 或更高版本（需与 PyTorch 版本匹配）\n*   **PyTorch**: 1.5+\n*   **前置依赖**:\n    *   `mmcv`: OpenMMLab 计算机视觉基础库\n    *   `ipdb`: 用于代码调试（可选，但推荐安装以便使用断点调试功能）\n\n> **注意**：本项目是对 [MMDetection](https:\u002F\u002Fgithub.com\u002Fopen-mmlab\u002Fmmdetection) 的代码注释版，核心依赖与原版一致。国内用户建议使用清华源或阿里源加速 Python 包和模型权重的下载。\n\n## 安装步骤\n\n### 1. 安装 PyTorch 和 MMCV\n请根据您的 CUDA 版本选择对应的安装命令。以下以 CUDA 10.2 为例（国内推荐使用清华镜像）：\n\n```bash\npip install torch torchvision torchaudio --index-url https:\u002F\u002Fdownload.pytorch.org\u002Fwhl\u002Fcu102\npip install mmcv-full -f https:\u002F\u002Fdownload.openmmlab.com\u002Fmmcv\u002Fdist\u002Fcu102\u002Ftorch1.7\u002Findex.html\n```\n\n### 2. 克隆项目并安装 MMDetection-Annotated\n```bash\ngit clone https:\u002F\u002Fgithub.com\u002Fming71\u002Fmmdetection-annotated.git\ncd mmdetection-annotated\npip install -r requirements.txt\npython setup.py develop\n```\n\n### 3. 下载预训练模型\n本项目示例默认使用 Faster RCNN 模型。您需要手动下载权重文件并放置于 `weights\u002F` 目录下（若目录不存在请新建）：\n*   模型文件：`faster_rcnn_r50_fpn_1x_20181010-3d1b3351.pth`\n*   下载地址参考：[MMDetection 官方模型库](https:\u002F\u002Fgithub.com\u002Fopen-mmlab\u002Fmmdetection\u002Fblob\u002Fmaster\u002Fdocs\u002Fmodel_zoo.md) 或相关博客提供的国内镜像链接。\n\n## 基本使用\n\n本项目重写了 `demo.py` 脚本，支持对单张图片或整个文件夹进行推理检测。\n\n### 运行检测脚本\n\n在项目根目录下运行以下命令（请根据实际路径修改 `img_path`）：\n\n```bash\npython demo.py\n```\n\n### 代码逻辑说明\n脚本内部逻辑如下，支持自动判断输入是文件还是文件夹：\n\n```python\nimport os\nfrom mmdet.apis import init_detector, inference_detector, show_result\n\nif __name__ == '__main__':\n    # 配置文件路径\n    config_file = 'configs\u002Ffaster_rcnn_r50_fpn_1x.py'\n    # 权重文件路径\n    checkpoint_file = 'weights\u002Ffaster_rcnn_r50_fpn_1x_20181010-3d1b3351.pth'\n    \n    # 待检测图片路径（可以是单个文件或文件夹）\n    img_path = '\u002Fhome\u002Fbit\u002F下载\u002Fn07753592'\n    \n    # 初始化模型\n    model = init_detector(config_file, checkpoint_file, device='cuda:0')\n    \n    # 输入可以为文件夹或者图片\n    if os.path.isdir(img_path):\n        imgs = os.listdir(img_path)\n        for i in range(len(imgs)):\n            imgs[i] = os.path.join(img_path, imgs[i])\n        # 支持可迭代输入 imgs\n        for i, result in enumerate(inference_detector(model, imgs)):\t\n            print(i, imgs[i])\n            show_result(imgs[i], result, model.CLASSES, out_file='output\u002Fresult_{}.jpg'.format(i))\n\n    elif os.path.isfile(img_path):\n        result = inference_detector(model, img_path)\n        show_result(img_path, result, model.CLASSES)\n```\n\n### 调试与可视化\n*   **断点调试**: 代码中已预留 `ipdb.set_trace()` 接口。如需调试中间变量，请先确保安装了 `ipdb` (`pip install ipdb`)，然后在相应位置取消注释即可。\n*   **结果查看**: 检测完成后，结果图片将保存在 `output\u002F` 目录下。\n\n### 自定义数据集训练提示\n若需使用自己的数据集（如 labelme 或 labelImg 标注），请先将其转换为 COCO 格式。作者提供了转换工具箱：[ming71\u002Ftoolbox](https:\u002F\u002Fgithub.com\u002Fming71\u002Ftoolbox)。\n*   **重要**: 训练前请务必根据您的 **GPU 数量** 调整配置文件中的学习率（lr）。例如，若默认配置基于 8 卡，单卡训练时需将 lr 设为默认的 1\u002F8。","某计算机视觉团队的初级算法工程师在尝试基于 MMDetection 复现最新论文模型并进行自定义调试时，面对庞大且复杂的源码库感到无从下手。\n\n### 没有 mmdetection-annotated 时\n- **源码阅读障碍**：核心代码缺乏注释，开发者需花费数天逐行推敲数据流转逻辑，难以理解 OpenMMLab 独特的架构设计。\n- **调试效率低下**：不清楚在何处设置断点或提取中间变量，导致排查模型训练异常或推理错误时如同“盲人摸象”。\n- **配置理解困难**：复杂的配置文件（Config）参数含义模糊，修改模型结构时常因误配导致运行报错，试错成本极高。\n- **环境搭建迷茫**：缺少针对 CUDA 算子等底层依赖的说明文档，安装过程中遇到编译错误时难以定位原因。\n\n### 使用 mmdetection-annotated 后\n- **逻辑一目了然**：代码中遍布详细的中文注释，清晰解释了从数据加载到模型推理的每一步实现，大幅缩短上手时间。\n- **调试有据可依**：提供了包含 `ipdb` 断点设置的调试示例及 Hook 参考脚本，开发者可轻松 inspect 中间变量，快速定位问题。\n- **配置透明可控**：附带了带详尽注解的配置文件范例（如 Mask RCNN），明确每个参数的作用，让模型修改和实验设计更加自信。\n- **架构可视化辅助**：提供模型结构可视化图表及特定模块（如 RoIAlign）的深度解析文章，帮助开发者建立直观的系统认知。\n\nmmdetection-annotated 通过将晦涩的工业级源码转化为带注释的教学案例，极大地降低了 CV 新手进入目标检测领域的门槛并提升了研发效率。","https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Fming71_mmdetection-annotated_7b2eace3.png","ming71","Ming Qi（明奇）","https:\u002F\u002Foss.gittoolsai.com\u002Favatars\u002Fming71_f2c2bc16.jpg","chaser.ming@gmail.com","Beijing University of Technology","Beijing",null,"https:\u002F\u002Fming71.github.io\u002F","https:\u002F\u002Fgithub.com\u002Fming71",[86,90],{"name":87,"color":88,"percentage":89},"Python","#3572A5",99.9,{"name":91,"color":92,"percentage":93},"Shell","#89e051",0.1,655,92,"2026-03-12T08:45:52","Apache-2.0",4,"未说明","必需 NVIDIA GPU (代码示例指定 device='cuda:0')，具体型号、显存大小及 CUDA 版本未在文中明确说明",{"notes":102,"python":99,"dependencies":103},"该项目是 MMDetection 的注释版（基于 v1.0），主要用于学习和调试。运行前需参考官方 MMDetection 文档安装基础环境并下载预训练模型。若使用自定义数据集（labelme 或 labelImg 标注），需先转换为 COCO 格式。训练时需根据实际 GPU 数量调整配置文件中的学习率（例如单卡需设为默认值的 1\u002F8）。部分 CUDA 相关操作文件（mmdet\u002Fops）因无注释已被作者删除。",[104,105,106],"mmdetection","mmcv","ipdb (用于调试)",[13,14],[109,110,104,111],"object-detection","pytorch","instance-segmentation","2026-03-27T02:49:30.150509","2026-04-06T05:16:43.866619",[115,120,125,130,134,138],{"id":116,"question_zh":117,"answer_zh":118,"source_url":119},17856,"模型可视化使用的是什么工具？如果 Netron 无法显示箭头和数据流怎么办？","如果 Netron 效果不佳（如看不到箭头、数据流流向及输出维度），可以使用 Keras 自带的可视化模块。方法是找到一个相同网络的 Keras 实现版本，利用其自带可视化模块输出模型结构即可。","https:\u002F\u002Fgithub.com\u002Fming71\u002Fmmdetection-annotated\u002Fissues\u002F4",{"id":121,"question_zh":122,"answer_zh":123,"source_url":124},17857,"遇到 ImportError: libcudart.so.9.0: cannot open shared object file 错误如何解决？","该错误通常是因为缺少编译生成的可执行文件。在旧版本中可以通过运行 `compile.sh` 文件来编译获取该文件。如果当前版本没有 `compile.sh` 文件，则可能无法直接通过此方法解决，需检查版本差异或寻找替代编译方式。","https:\u002F\u002Fgithub.com\u002Fming71\u002Fmmdetection-annotated\u002Fissues\u002F6",{"id":126,"question_zh":127,"answer_zh":128,"source_url":129},17858,"配置文件中的 batchsize 是如何定义的？","Batchsize 由 GPU 数量和单卡图像数决定。配置中 `imgs_per_gpu` 表示每个 GPU 计算的图像数量，`workers_per_gpu` 表示每个 GPU 分配的线程数。计算公式为：`batch_size = num_gpus * imgs_per_gpu`，`num_workers = num_gpus * workers_per_gpu`。","https:\u002F\u002Fgithub.com\u002Fming71\u002Fmmdetection-annotated\u002Fissues\u002F1",{"id":131,"question_zh":132,"answer_zh":133,"source_url":129},17859,"配置文件中的 img_scale 参数是什么意思？","`img_scale` 指的是输入图像的尺寸设置，用于定义训练或推理时图像缩放的比例或目标大小。",{"id":135,"question_zh":136,"answer_zh":137,"source_url":129},17860,"学习率（lr）与 GPU 数量有关系吗？单 GPU 训练时如何调整学习率？","学习率的优化策略主要看 `lr_config` 配置，但学习率的具体数值与 GPU 数量有关。作者默认的配置是基于 8 块 GPU 调试出来的。如果你使用单块 GPU 训练，应将学习率设置为原配置的 1\u002F8（例如原 lr 为 0.02，单卡则设为 0.0025），以保证训练效果。",{"id":139,"question_zh":140,"answer_zh":141,"source_url":119},17861,"如何联系项目作者获取更多信息？","可以通过邮件联系作者，邮箱地址为：mq_chaser@126.com。",[]]