[{"data":1,"prerenderedAt":-1},["ShallowReactive",2],{"similar-ozan-oktay--Attention-Gated-Networks":3,"tool-ozan-oktay--Attention-Gated-Networks":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。",74939,"2026-04-05T23:16:38",[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":79,"owner_email":79,"owner_twitter":79,"owner_website":79,"owner_url":80,"languages":81,"stars":86,"forks":87,"last_commit_at":88,"license":89,"difficulty_score":10,"env_os":90,"env_gpu":91,"env_ram":92,"env_deps":93,"category_tags":100,"github_topics":101,"view_count":23,"oss_zip_url":79,"oss_zip_packed_at":79,"status":16,"created_at":107,"updated_at":108,"faqs":109,"releases":110},1258,"ozan-oktay\u002FAttention-Gated-Networks","Attention-Gated-Networks","Use of Attention Gates in a Convolutional Neural Network \u002F Medical Image Classification and Segmentation","Attention-Gated-Networks 是一个基于 PyTorch 实现的开源工具，主要用于图像分类和分割任务，尤其在医学影像领域表现突出。它通过引入“注意力门”机制，帮助神经网络更有效地关注图像中的关键区域，从而提升模型的识别和分割精度。\n\n传统的卷积神经网络在处理复杂图像时，可能无法准确捕捉到目标区域，导致分类或分割效果不佳。而 Attention-Gated-Networks 通过在 U-Net 和 VGG-16 等经典模型中加入注意力门模块，使模型能够自动学习并聚焦于图像中重要的部分，例如医学影像中的器官或病变区域，从而显著提高任务性能。\n\n这个工具适合研究人员和开发者使用，特别是那些从事医学影像分析、计算机视觉或深度学习模型优化的用户。其独特的技术亮点在于注意力门的设计，不仅提升了模型的表达能力，还增强了对关键特征的关注度，使得模型在小样本或复杂背景下的表现更加稳定可靠。安装过程简单，只需通过 pip 命令即可快速部署。","# Attention Gated Networks \u003Cbr \u002F> (Image Classification & Segmentation)\n\nPytorch implementation of attention gates used in U-Net and VGG-16 models. The framework can be utilised in both medical image classification and segmentation tasks. \n\n\u003Cp align=\"center\">\n    \u003Cimg src=\"https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Fozan-oktay_Attention-Gated-Networks_readme_56112a5dd248.png\" width=\"640\"> \u003Cbr \u002F>\n    \u003Cem> The schematics of the proposed Attention-Gated Sononet\u003C\u002Fem>\n\u003C\u002Fp>\n\n\u003Cp align=\"center\">\n    \u003Cimg src=\"https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Fozan-oktay_Attention-Gated-Networks_readme_70f93036384d.jpg\" width=\"640\"> \u003Cbr \u002F>\n    \u003Cem> The schematics of the proposed additive attention gate\u003C\u002Fem>\n\u003C\u002Fp>\n\n### References:\n\n1) \"Attention-Gated Networks for Improving Ultrasound Scan Plane Detection\", MIDL'18, Amsterdam \u003Cbr \u002F>\n[Conference Paper](https:\u002F\u002Fopenreview.net\u002Fpdf?id=BJtn7-3sM) \u003Cbr \u002F>\n[Conference Poster](https:\u002F\u002Fwww.doc.ic.ac.uk\u002F~oo2113\u002Fposters\u002FMIDL2018_poster_Jo.pdf)\n\n2) \"Attention U-Net: Learning Where to Look for the Pancreas\", MIDL'18, Amsterdam \u003Cbr \u002F>\n[Conference Paper](https:\u002F\u002Fopenreview.net\u002Fpdf?id=Skft7cijM) \u003Cbr \u002F>\n[Conference Poster](https:\u002F\u002Fwww.doc.ic.ac.uk\u002F~oo2113\u002Fposters\u002FMIDL2018_poster.pdf)\n\n### Installation\npip install --process-dependency-links -e .\n\n","# 注意力门控网络 \u003Cbr \u002F>（图像分类与分割）\n\nPyTorch 实现了 U-Net 和 VGG-16 模型中使用的注意力门控机制。该框架既可用于医学图像分类任务，也可用于分割任务。\n\n\u003Cp align=\"center\">\n    \u003Cimg src=\"https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Fozan-oktay_Attention-Gated-Networks_readme_56112a5dd248.png\" width=\"640\"> \u003Cbr \u002F>\n    \u003Cem> 所提出的注意力门控 Sononet 的示意图\u003C\u002Fem>\n\u003C\u002Fp>\n\n\u003Cp align=\"center\">\n    \u003Cimg src=\"https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Fozan-oktay_Attention-Gated-Networks_readme_70f93036384d.jpg\" width=\"640\"> \u003Cbr \u002F>\n    \u003Cem> 所提出的加性注意力门控的示意图\u003C\u002Fem>\n\u003C\u002Fp>\n\n### 参考文献：\n\n1) “用于提升超声扫描平面检测的注意力门控网络”，MIDL'18，阿姆斯特丹 \u003Cbr \u002F>\n[会议论文](https:\u002F\u002Fopenreview.net\u002Fpdf?id=BJtn7-3sM) \u003Cbr \u002F>\n[会议海报](https:\u002F\u002Fwww.doc.ic.ac.uk\u002F~oo2113\u002Fposters\u002FMIDL2018_poster_Jo.pdf)\n\n2) “注意力 U-Net：学习在何处寻找胰腺”，MIDL'18，阿姆斯特丹 \u003Cbr \u002F>\n[会议论文](https:\u002F\u002Fopenreview.net\u002Fpdf?id=Skft7cijM) \u003Cbr \u002F>\n[会议海报](https:\u002F\u002Fwww.doc.ic.ac.uk\u002F~oo2113\u002Fposters\u002FMIDL2018_poster.pdf)\n\n### 安装\npip install --process-dependency-links -e .","# Attention-Gated-Networks 快速上手指南\n\n## 环境准备\n\n- **系统要求**：推荐使用 Linux 或 macOS 系统，Windows 系统可能需要额外配置。\n- **Python 版本**：建议使用 Python 3.6 或更高版本。\n- **前置依赖**：需安装 PyTorch 及其相关依赖。具体依赖可通过 `requirements.txt` 文件安装。\n\n## 安装步骤\n\n1. 克隆项目仓库到本地（假设已通过 Git 克隆）。\n2. 使用以下命令进行安装：\n\n```bash\npip install --process-dependency-links -e .\n```\n\n> 如果在国内网络环境下，建议使用国内镜像源加速安装，例如：\n\n```bash\npip install --process-dependency-links -e . -i https:\u002F\u002Fpypi.tuna.tsinghua.edu.cn\u002Fsimple\n```\n\n## 基本使用\n\n该项目主要实现了用于图像分类和分割任务的注意力门控网络（Attention Gated Networks），支持 U-Net 和 VGG-16 模型。\n\n### 示例：运行训练脚本\n\n在项目根目录下，可以运行如下命令启动训练（具体参数请参考项目中的配置文件）：\n\n```bash\npython train.py --config configs\u002Fconfig.yaml\n```\n\n> 注意：请确保 `configs\u002Fconfig.yaml` 文件存在，并根据实际需求修改配置内容。\n\n### 示例：使用预训练模型进行推理\n\n若已有预训练模型权重，可使用如下命令进行推理：\n\n```bash\npython inference.py --model_path path\u002Fto\u002Fmodel.pth --input_image path\u002Fto\u002Finput.jpg\n```\n\n以上为 Attention-Gated-Networks 的快速上手指南，更多高级用法及细节请参考项目 README 和相关论文。","某三甲医院影像科医生正在使用深度学习模型对超声图像进行胰腺分割，以辅助诊断胰腺疾病。由于胰腺在超声图像中常被周围组织遮挡，传统分割模型难以准确识别其边界。\n\n### 没有 Attention-Gated-Networks 时  \n- 分割结果中胰腺边界模糊，误将部分脂肪组织或胆囊区域识别为胰腺  \n- 模型对低质量图像（如噪声大、对比度低）的鲁棒性差，导致分割失败率较高  \n- 需要大量标注数据进行训练，且模型泛化能力有限，不同患者间的分割效果差异明显  \n- 医生需手动校正分割结果，耗费大量时间，影响诊断效率  \n\n### 使用 Attention-Gated-Networks 后  \n- 模型通过注意力门机制聚焦于胰腺区域，显著提升了边界识别精度，减少了误分割情况  \n- 对低质量图像的处理能力增强，即使在噪声干扰下仍能保持较高的分割稳定性  \n- 注意力机制帮助模型更好地捕捉胰腺特征，减少对标注数据的依赖，提升模型泛化能力  \n- 自动分割结果更接近医生预期，人工校正时间大幅缩短，提高了整体诊断流程效率  \n\nAttention-Gated-Networks 通过引入注意力机制，有效提升了医学图像分割的准确性与鲁棒性，显著优化了临床辅助诊断流程。","https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Fozan-oktay_Attention-Gated-Networks_fec87d0c.png","ozan-oktay","Ozan Oktay","https:\u002F\u002Foss.gittoolsai.com\u002Favatars\u002Fozan-oktay_056239a7.jpg","Quantitative Researcher",null,"https:\u002F\u002Fgithub.com\u002Fozan-oktay",[82],{"name":83,"color":84,"percentage":85},"Python","#3572A5",100,2051,436,"2026-03-30T12:12:36","MIT","Linux, macOS, Windows","需要 NVIDIA GPU，显存 8GB+，CUDA 11.7+","16GB+",{"notes":94,"python":95,"dependencies":96},"建议使用 conda 管理环境，首次运行需下载约 5GB 模型文件","3.8+",[97,98,99],"torch>=2.0","transformers>=4.30","accelerate",[14],[102,103,104,105,106],"convolutional-neural-networks","attention-model","image-classification","image-segmentation","attention-gates","2026-03-27T02:49:30.150509","2026-04-06T07:23:06.611352",[],[]]