[{"data":1,"prerenderedAt":-1},["ShallowReactive",2],{"similar-pprp--SimpleCVReproduction":3,"tool-pprp--SimpleCVReproduction":61},[4,18,26,36,44,53],{"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},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",150037,2,"2026-04-10T23:33:47",[14,13,35],"语言模型",{"id":37,"name":38,"github_repo":39,"description_zh":40,"stars":41,"difficulty_score":32,"last_commit_at":42,"category_tags":43,"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,"2026-04-10T11:39:34",[14,15,13],{"id":45,"name":46,"github_repo":47,"description_zh":48,"stars":49,"difficulty_score":32,"last_commit_at":50,"category_tags":51,"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",[52,13,15,14],"插件",{"id":54,"name":55,"github_repo":56,"description_zh":57,"stars":58,"difficulty_score":32,"last_commit_at":59,"category_tags":60,"status":17},4721,"markitdown","microsoft\u002Fmarkitdown","MarkItDown 是一款由微软 AutoGen 团队打造的轻量级 Python 工具，专为将各类文件高效转换为 Markdown 格式而设计。它支持 PDF、Word、Excel、PPT、图片（含 OCR）、音频（含语音转录）、HTML 乃至 YouTube 链接等多种格式的解析，能够精准提取文档中的标题、列表、表格和链接等关键结构信息。\n\n在人工智能应用日益普及的今天，大语言模型（LLM）虽擅长处理文本，却难以直接读取复杂的二进制办公文档。MarkItDown 恰好解决了这一痛点，它将非结构化或半结构化的文件转化为模型“原生理解”且 Token 效率极高的 Markdown 格式，成为连接本地文件与 AI 分析 pipeline 的理想桥梁。此外，它还提供了 MCP（模型上下文协议）服务器，可无缝集成到 Claude Desktop 等 LLM 应用中。\n\n这款工具特别适合开发者、数据科学家及 AI 研究人员使用，尤其是那些需要构建文档检索增强生成（RAG）系统、进行批量文本分析或希望让 AI 助手直接“阅读”本地文件的用户。虽然生成的内容也具备一定可读性，但其核心优势在于为机器",93400,"2026-04-06T19:52:38",[52,14],{"id":62,"github_repo":63,"name":64,"description_en":65,"description_zh":66,"ai_summary_zh":66,"readme_en":67,"readme_zh":68,"quickstart_zh":69,"use_case_zh":70,"hero_image_url":71,"owner_login":72,"owner_name":73,"owner_avatar_url":74,"owner_bio":75,"owner_company":76,"owner_location":77,"owner_email":78,"owner_twitter":75,"owner_website":79,"owner_url":80,"languages":81,"stars":121,"forks":122,"last_commit_at":123,"license":124,"difficulty_score":32,"env_os":125,"env_gpu":126,"env_ram":126,"env_deps":127,"category_tags":132,"github_topics":133,"view_count":32,"oss_zip_url":75,"oss_zip_packed_at":75,"status":17,"created_at":144,"updated_at":145,"faqs":146,"releases":182},6566,"pprp\u002FSimpleCVReproduction","SimpleCVReproduction","Replication of simple CV Projects including attention, classification, detection, keypoint detection, etc.","SimpleCVReproduction 是一个专为计算机视觉初学者打造的开源学习资源库，致力于复现并简化各类经典 CV 项目。它涵盖了注意力机制、图像分类、目标检测、关键点检测以及 Vision Transformer 等核心领域。\n\n面对众多复杂的深度学习代码库，新手往往难以入手。SimpleCVReproduction 通过提供带有详细中文注释的模型代码、经过验证的可运行示例以及模块化的代码片段，有效降低了学习门槛。其最大亮点在于整理了丰富的“即插即用”模块和注意力机制实现（如 SE、CBAM、Non-Local 等），方便用户直接调用或集成到现有项目中，同时也收录了 CenterNet、MLP-Mixer 等算法的简化版源码。\n\n该项目非常适合希望深入理解算法原理的学生、刚入门的开发者以及需要快速验证想法的研究人员使用。无论是想要逐行研读高质量代码笔记，还是寻找特定的功能模块进行实验，SimpleCVReproduction 都能提供清晰、易懂的技术支持，帮助用户轻松跨越从理论到实践的距离。","# SimpleCVReproduction\n\n![](logo.png)\n\nRecommended models are listed in this repository. In order to simplify learning for beginners, comments are provided with running models, code ready to read, well-documented code, and a series of simple code snippets. The aim of this project is to provide a simplified version of easy-to-understand model files. Suggestions for easily learnable libraries are welcome within the Issues section. Most of the content in this project is from Github and shall not be used for commercial purposes. In case of any infringement, please contact the author for removal.\n\n\n将感兴趣\u002F推荐的模型也放在这个库中，以供学习。由于好多库从头开始学习难度太大，在这里提供了笔者的部分注释，其中大部分都是跑过的模型、准备读的代码、已经读过的代码笔记、以及开发的simple系列简单代码、常用代码段等。\n\n本项目致力于提供简化版本的，便于理解的模型文件。\n\n如果有推荐的便于初学者学习的库，也欢迎在issue中提出和补充。\n\n本项目大部分内容是来源于Github，不会用做商业用途，如有侵权，请联系笔者删除。\n\n## 目录\n\n- [即插即用模块&注意力模块](即插即用模块&注意力模块)\n- [项目推荐](项目推荐)\n- [致谢](致谢)\n- [贡献](贡献)\n\n\n## 即插即用模块&注意力模块\n\n原项目已经迁移至新的地址：[Awesome-Attention-Mechanism-in-cv](https:\u002F\u002Fgithub.com\u002Fpprp\u002Fawesome-attention-mechanism-in-cv)\n\n主要内容包括:\n\n- 计算机视觉领域中**注意力**模块。\n- 计算机视觉中**即插即用**模块。[code](https:\u002F\u002Fgithub.com\u002Fpprp\u002FSimpleCVReproduction\u002Ftree\u002Fmaster\u002FPlug-and-play%20module)\n- **Vision Transformer**系列工作。\n\n更多介绍：\n\n- [我们是如何结合注意力机制改进YOLOv3进行目标检测?](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F231168560) [Code](https:\u002F\u002Fgithub.com\u002FGiantPandaCV\u002Fyolov3-point)\n- [如何在YOLOv3中加入注意力模块or即插即用模块](https:\u002F\u002Fblog.csdn.net\u002FDD_PP_JJ\u002Farticle\u002Fdetails\u002F104109369)\n- [神经网络加上注意力机制，精度反而下降，为什么会这样呢？](https:\u002F\u002Fwww.zhihu.com\u002Fquestion\u002F478301531\u002Fanswer\u002F2280232845)\n- [CNN、Transformer、MLP架构经验性分析](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F449280021)\n- [CV中的注意力机制之ShuffleAttention](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F350912960)\n- [CV中的注意力机制之并联版的CBAM-BAM模块](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F102033063)\n- [CV中的注意力机制之SKNet-SENet的提升版](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F102034839)\n\n- [CV中的注意力机制之简单而有效的CBAM模块](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F102035273)\n\n- [CV中的注意力机制之SENet中的SE模块](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F102035721)\n\n- [CV中的注意力机制之语义分割中的scSE模块](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F102036086)\n\n- [CV中的注意力机制之Non-Local Network的理解与实现](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F102984842)\n- [CV中的注意力机制之融合Non-Local和SENet的GCNet](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F102990363)\n- [CV中的注意力机制之BiSeNet中的FFM模块与ARM模块](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F105925132)\n\n## 项目推荐\n\n| 项目                     | 介绍                                                         | 链接                                                         |\n| ------------------------ | ------------------------------------------------------------ | ------------------------------------------------------------ |\n| CenterNet                | 简化版本的CenterNet目标检测算法(第三方实现)                  | [link](https:\u002F\u002Fgithub.com\u002Fpprp\u002FSimpleCVReproduction\u002Ftree\u002Fmaster\u002FCenterNet) |\n| SmallObjectAugmentation  | 针对小目标进行数据增强库,在笔者数据集效果不理想              | [link](https:\u002F\u002Fgithub.com\u002Fpprp\u002F52RL)                         |\n| DarkLabel                | 专门用于[DarkLabel](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F141036498)软件转化的系列脚本 | [link](https:\u002F\u002Fgithub.com\u002Fpprp\u002FSimpleCVReproduction\u002Ftree\u002Fmaster\u002FDarkLabel) |\n| Latex\u002Flatex_algo         | 用latex写的伪代码示例                                        | [link](https:\u002F\u002Fgithub.com\u002Fpprp\u002FSimpleCVReproduction\u002Ftree\u002Fmaster\u002FLatex\u002Flatex_algo) |\n| MLP                      | MLP-Mixer,ResMLP,RepMLP简单源码                              | [link](https:\u002F\u002Fgithub.com\u002Fpprp\u002FSimpleCVReproduction\u002Ftree\u002Fmaster\u002FMLP) |\n| NAS                      | 感兴趣的神经网络结构搜索算法                                 | [link](https:\u002F\u002Fgithub.com\u002Fpprp\u002FSimpleCVReproduction\u002Ftree\u002Fmaster\u002FNAS) |\n| Plug-and-play Module     | 即插即用模块                                                 | [link](https:\u002F\u002Fgithub.com\u002Fpprp\u002FSimpleCVReproduction\u002Ftree\u002Fmaster\u002FPlug-and-play%20module) |\n| 52RL                     | 参加DataWhale深度强化学习课程代码 [code](https:\u002F\u002Fgithub.com\u002Fpprp\u002F52RL) | [link](https:\u002F\u002Fgithub.com\u002Fpprp\u002F52RL)                         |\n| Vision Transformer       | 最经典的ViT实现, 训练代码在[code](https:\u002F\u002Fgithub.com\u002Fpprp\u002Fpytorch-cifar-model-zoo) | [link](https:\u002F\u002Fgithub.com\u002Fpprp\u002FSimpleCVReproduction\u002Ftree\u002Fmaster\u002FVisionTransformer) |\n| captcha-CTC-loss         | CTC loss+ LSTM                                               | [link](https:\u002F\u002Fgithub.com\u002Fpprp\u002FSimpleCVReproduction\u002Ftree\u002Fmaster\u002Fcaptcha-CTC-loss) |\n| cifarTrick               | 原先收集的部分Trick更多Trick在[Tricks](https:\u002F\u002Fgithub.com\u002Fpprp\u002Fpytorch-cifar-model-zoo) | [link](https:\u002F\u002Fgithub.com\u002Fpprp\u002FSimpleCVReproduction\u002Ftree\u002Fmaster\u002FcifarTrick) |\n| deep_sort                | 官方实现的DeepSort算法                                       | [link](https:\u002F\u002Fgithub.com\u002Fpprp\u002FSimpleCVReproduction\u002Ftree\u002Fmaster\u002Fdeep_sort) |\n| deep_sort_yolov3_pytorch | 笔者自己实现和改进的DeepSort算法                             | [link](https:\u002F\u002Fgithub.com\u002Fpprp\u002Fdeep_sort_yolov3_pytorch)     |\n| easy-receptive-fields    | 感受野计算，分析，特征图可视化                               | [link](https:\u002F\u002Fgithub.com\u002Fpprp\u002FSimpleCVReproduction\u002Ftree\u002Fmaster\u002Feasy-receptive-fields) |\n| fine_grained_baseline    | 细粒度识别baseline，Bilinear Pooling操作                     | [link](https:\u002F\u002Fgithub.com\u002Fpprp\u002FSimpleCVReproduction\u002Ftree\u002Fmaster\u002Ffine_grained_baseline) |\n| flask-yolo               | flask配合yolo算法实现网页                                    | [link](https:\u002F\u002Fgithub.com\u002Fpprp\u002FSimpleCVReproduction\u002Ftree\u002Fmaster\u002Fflask-yolo) |\n| kalman                   | 卡尔曼滤波实现与测试                                         | [link](https:\u002F\u002Fgithub.com\u002Fpprp\u002FSimpleCVReproduction\u002Ftree\u002Fmaster\u002Fkalman) |\n| libfacedetection.train   | 人脸检测训练代码                                             | [link](https:\u002F\u002Fgithub.com\u002Fpprp\u002FSimpleCVReproduction\u002Ftree\u002Fmaster\u002Fkalman) |\n| opencv-mot               | 使用Opencv实现多目标跟踪                                     | [link](https:\u002F\u002Fgithub.com\u002Fpprp\u002FSimpleCVReproduction\u002Ftree\u002Fmaster\u002Fopencv-mot) |\n| pandoc-starter           | Pandoc是Markdown转化器，很方便                               | [link](https:\u002F\u002Fgithub.com\u002Fpprp\u002FSimpleCVReproduction\u002Ftree\u002Fmaster\u002Fpandoc-starter) |\n| pytorch-commen-code      | 常用的pytorch代码片段                                        | [link](https:\u002F\u002Fgithub.com\u002Fpprp\u002FSimpleCVReproduction\u002Ftree\u002Fmaster\u002Fpandoc-starter) |\n| siamese-triplet          | 孪生网络+Triplet Loss实现                                    | [link](https:\u002F\u002Fgithub.com\u002Fpprp\u002FSimpleCVReproduction\u002Ftree\u002Fmaster\u002Fsimple-faster-rcnn-pytorch) |\n| simple-triple-loss       | 笔者自己实现的triplet loss                                   | [link](https:\u002F\u002Fgithub.com\u002Fpprp\u002FSimpleCVReproduction\u002Ftree\u002Fmaster\u002Fsimple-triple-loss) |\n| simple_keypoint          | **[推荐]** 笔者极简代码实现关键点识别，提供根据heatmap进行识别的方法 | [link](https:\u002F\u002Fgithub.com\u002Fpprp\u002FSimpleCVReproduction\u002Ftree\u002Fmaster\u002Fsimple_keypoint) |\n| tikz_cnn                 | 使用latex绘制CNN图                                           | [link](https:\u002F\u002Fgithub.com\u002Fpprp\u002FSimpleCVReproduction\u002Ftree\u002Fmaster\u002Ftikz_cnn) |\n| tsne                     | tsne可视化数据集                                             | [link](https:\u002F\u002Fgithub.com\u002Fpprp\u002FSimpleCVReproduction\u002Ftree\u002Fmaster\u002Ftsne) |\n| tools                    | voc2coco脚本，yolo anchor聚类脚本                            | [link](https:\u002F\u002Fgithub.com\u002Fpprp\u002FSimpleCVReproduction\u002Ftree\u002Fmaster\u002Ftools) |\n| tiny_classifier          | 超级简单的分类代码+focal loss使用                            | [link](https:\u002F\u002Fgithub.com\u002Fpprp\u002FSimpleCVReproduction\u002Ftree\u002Fmaster\u002Ftiny_classifier) |\n| yolov3-6                 | 第六次release版本，属于老版本yolo实现                        | [link](https:\u002F\u002Fgithub.com\u002Fpprp\u002FSimpleCVReproduction\u002Ftree\u002Fmaster\u002Fyolov3-6) |\n\n\n## 致谢\n\n@zhongqiu1245 补充的borderDet中的BAM模块,补充了FPT\n\n@1187697147 补充的context-gating模块\n\n@cmsfw-github 指出了simple_keypoint中的bug\n\n@1187697147 建议更新了AFF和iAFF模块源码\n\n## 贡献\n\n欢迎在issue中提出补充推荐的项目。\n\n欢迎关注“GiantPandaCV”公众号以及“神经网络架构搜索”公众号查看相关博客。\n\n","# SimpleCVReproduction\n\n![](logo.png)\n\n本仓库列出了推荐的模型。为了简化初学者的学习过程，我们提供了运行过的模型注释、可直接阅读的代码、文档齐全的代码以及一系列简单的代码片段。该项目旨在提供易于理解的简化版模型文件。欢迎在 Issues 栏目中提出易于学习的库的建议。项目中的大部分内容均来自 GitHub，不得用于商业用途。如涉及侵权，请联系作者删除。\n\n将感兴趣\u002F推荐的模型也放在这个库中，以供学习。由于好多库从头开始学习难度太大，在这里提供了笔者的部分注释，其中大部分都是跑过的模型、准备读的代码、已经读过的代码笔记、以及开发的simple系列简单代码、常用代码段等。\n\n本项目致力于提供简化版本的，便于理解的模型文件。\n\n如果有推荐的便于初学者学习的库，也欢迎在issue中提出和补充。\n\n本项目大部分内容是来源于Github，不会用做商业用途，如有侵权，请联系笔者删除。\n\n## 目录\n\n- [即插即用模块&注意力模块](即插即用模块&注意力模块)\n- [项目推荐](项目推荐)\n- [致谢](致谢)\n- [贡献](贡献)\n\n\n## 即插即用模块&注意力模块\n\n原项目已经迁移至新的地址：[Awesome-Attention-Mechanism-in-cv](https:\u002F\u002Fgithub.com\u002Fpprp\u002Fawesome-attention-mechanism-in-cv)\n\n主要内容包括:\n\n- 计算机视觉领域中**注意力**模块。\n- 计算机视觉中**即插即用**模块。[code](https:\u002F\u002Fgithub.com\u002Fpprp\u002FSimpleCVReproduction\u002Ftree\u002Fmaster\u002FPlug-and-play%20module)\n- **Vision Transformer**系列工作。\n\n更多介绍：\n\n- [我们是如何结合注意力机制改进YOLOv3进行目标检测?](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F231168560) [Code](https:\u002F\u002Fgithub.com\u002FGiantPandaCV\u002Fyolov3-point)\n- [如何在YOLOv3中加入注意力模块or即插即用模块](https:\u002F\u002Fblog.csdn.net\u002FDD_PP_JJ\u002Farticle\u002Fdetails\u002F104109369)\n- [神经网络加上注意力机制，精度反而下降，为什么会这样呢？](https:\u002F\u002Fwww.zhihu.com\u002Fquestion\u002F478301531\u002Fanswer\u002F2280232845)\n- [CNN、Transformer、MLP架构经验性分析](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F449280021)\n- [CV中的注意力机制之ShuffleAttention](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F350912960)\n- [CV中的注意力机制之并联版的CBAM-BAM模块](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F102033063)\n- [CV中的注意力机制之SKNet-SENet的提升版](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F102034839)\n\n- [CV中的注意力机制之简单而有效的CBAM模块](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F102035273)\n\n- [CV中的注意力机制之SENet中的SE模块](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F102035721)\n\n- [CV中的注意力机制之语义分割中的scSE模块](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F102036086)\n\n- [CV中的注意力机制之Non-Local Network的理解与实现](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F102984842)\n- [CV中的注意力机制之融合Non-Local和SENet的GCNet](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F102990363)\n- [CV中的注意力机制之BiSeNet中的FFM模块与ARM模块](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F105925132)\n\n## 项目推荐\n\n| 项目                     | 介绍                                                         | 链接                                                         |\n| ------------------------ | ------------------------------------------------------------ | ------------------------------------------------------------ |\n| CenterNet                | 简化版本的CenterNet目标检测算法(第三方实现)                  | [link](https:\u002F\u002Fgithub.com\u002Fpprp\u002FSimpleCVReproduction\u002Ftree\u002Fmaster\u002FCenterNet) |\n| SmallObjectAugmentation  | 针对小目标进行数据增强库,在笔者数据集效果不理想              | [link](https:\u002F\u002Fgithub.com\u002Fpprp\u002F52RL)                         |\n| DarkLabel                | 专门用于[DarkLabel](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F141036498)软件转化的系列脚本 | [link](https:\u002F\u002Fgithub.com\u002Fpprp\u002FSimpleCVReproduction\u002Ftree\u002Fmaster\u002FDarkLabel) |\n| Latex\u002Flatex_algo         | 用latex写的伪代码示例                                        | [link](https:\u002F\u002Fgithub.com\u002Fpprp\u002FSimpleCVReproduction\u002Ftree\u002Fmaster\u002FLatex\u002Flatex_algo) |\n| MLP                      | MLP-Mixer,ResMLP,RepMLP简单源码                              | [link](https:\u002F\u002Fgithub.com\u002Fpprp\u002FSimpleCVReproduction\u002Ftree\u002Fmaster\u002FMLP) |\n| NAS                      | 感兴趣的神经网络结构搜索算法                                 | [link](https:\u002F\u002Fgithub.com\u002Fpprp\u002FSimpleCVReproduction\u002Ftree\u002Fmaster\u002FNAS) |\n| Plug-and-play Module     | 即插即用模块                                                 | [link](https:\u002F\u002Fgithub.com\u002Fpprp\u002FSimpleCVReproduction\u002Ftree\u002Fmaster\u002FPlug-and-play%20module) |\n| 52RL                     | 参加DataWhale深度强化学习课程代码 [code](https:\u002F\u002Fgithub.com\u002Fpprp\u002F52RL) | [link](https:\u002F\u002Fgithub.com\u002Fpprp\u002F52RL)                         |\n| Vision Transformer       | 最经典的ViT实现, 训练代码在[code](https:\u002F\u002Fgithub.com\u002Fpprp\u002Fpytorch-cifar-model-zoo) | [link](https:\u002F\u002Fgithub.com\u002Fpprp\u002FSimpleCVReproduction\u002Ftree\u002Fmaster\u002FVisionTransformer) |\n| captcha-CTC-loss         | CTC loss+ LSTM                                               | [link](https:\u002F\u002Fgithub.com\u002Fpprp\u002FSimpleCVReproduction\u002Ftree\u002Fmaster\u002Fcaptcha-CTC-loss) |\n| cifarTrick               | 原先收集的部分Trick更多Trick在[Tricks](https:\u002F\u002Fgithub.com\u002Fpprp\u002Fpytorch-cifar-model-zoo) | [link](https:\u002F\u002Fgithub.com\u002Fpprp\u002FSimpleCVReproduction\u002Ftree\u002Fmaster\u002FcifarTrick) |\n| deep_sort                | 官方实现的DeepSort算法                                       | [link](https:\u002F\u002Fgithub.com\u002Fpprp\u002FSimpleCVReproduction\u002Ftree\u002Fmaster\u002Fdeep_sort) |\n| deep_sort_yolov3_pytorch | 笔者自己实现和改进的DeepSort算法                             | [link](https:\u002F\u002Fgithub.com\u002Fpprp\u002Fdeep_sort_yolov3_pytorch)     |\n| easy-receptive-fields    | 感受野计算，分析，特征图可视化                               | [link](https:\u002F\u002Fgithub.com\u002Fpprp\u002FSimpleCVReproduction\u002Ftree\u002Fmaster\u002Feasy-receptive-fields) |\n| fine_grained_baseline    | 细粒度识别baseline，Bilinear Pooling操作                     | [link](https:\u002F\u002Fgithub.com\u002Fpprp\u002FSimpleCVReproduction\u002Ftree\u002Fmaster\u002Ffine_grained_baseline) |\n| flask-yolo               | flask配合yolo算法实现网页                                    | [link](https:\u002F\u002Fgithub.com\u002Fpprp\u002FSimpleCVReproduction\u002Ftree\u002Fmaster\u002Fflask-yolo) |\n| kalman                   | 卡尔曼滤波实现与测试                                         | [link](https:\u002F\u002Fgithub.com\u002Fpprp\u002FSimpleCVReproduction\u002Ftree\u002Fmaster\u002Fkalman) |\n| libfacedetection.train   | 人脸检测训练代码                                             | [link](https:\u002F\u002Fgithub.com\u002Fpprp\u002FSimpleCVReproduction\u002Ftree\u002Fmaster\u002Fkalman) |\n| opencv-mot               | 使用Opencv实现多目标跟踪                                     | [link](https:\u002F\u002Fgithub.com\u002Fpprp\u002FSimpleCVReproduction\u002Ftree\u002Fmaster\u002Fopencv-mot) |\n| pandoc-starter           | Pandoc是Markdown转化器，很方便                               | [link](https:\u002F\u002Fgithub.com\u002Fpprp\u002FSimpleCVReproduction\u002Ftree\u002Fmaster\u002Fpandoc-starter) |\n| pytorch-commen-code      | 常用的pytorch代码片段                                        | [link](https:\u002F\u002Fgithub.com\u002Fpprp\u002FSimpleCVReproduction\u002Ftree\u002Fmaster\u002Fpandoc-starter) |\n| siamese-triplet          | 孪生网络+Triplet Loss实现                                    | [link](https:\u002F\u002Fgithub.com\u002Fpprp\u002FSimpleCVReproduction\u002Ftree\u002Fmaster\u002Fsimple-faster-rcnn-pytorch) |\n| simple-triple-loss       | 笔者自己实现的triplet loss                                   | [link](https:\u002F\u002Fgithub.com\u002Fpprp\u002FSimpleCVReproduction\u002Ftree\u002Fmaster\u002Fsimple-triple-loss) |\n| simple_keypoint          | **[推荐]** 笔者极简代码实现关键点识别，提供根据heatmap进行识别的方法 | [link](https:\u002F\u002Fgithub.com\u002Fpprp\u002FSimpleCVReproduction\u002Ftree\u002Fmaster\u002Fsimple_keypoint) |\n| tikz_cnn                 | 使用latex绘制CNN图                                           | [link](https:\u002F\u002Fgithub.com\u002Fpprp\u002FSimpleCVReproduction\u002Ftree\u002Fmaster\u002Ftikz_cnn) |\n| tsne                     | tsne可视化数据集                                             | [link](https:\u002F\u002Fgithub.com\u002Fpprp\u002FSimpleCVReproduction\u002Ftree\u002Fmaster\u002Ftsne) |\n| tools                    | voc2coco脚本，yolo anchor聚类脚本                            | [link](https:\u002F\u002Fgithub.com\u002Fpprp\u002FSimpleCVReproduction\u002Ftree\u002Fmaster\u002Ftools) |\n| tiny_classifier          | 超级简单的分类代码+focal loss使用                            | [link](https:\u002F\u002Fgithub.com\u002Fpprp\u002FSimpleCVReproduction\u002Ftree\u002Fmaster\u002Ftiny_classifier) |\n| yolov3-6                 | 第六次release版本，属于老版本yolo实现                        | [link](https:\u002F\u002Fgithub.com\u002Fpprp\u002FSimpleCVReproduction\u002Ftree\u002Fmaster\u002Fyolov3-6) |\n\n\n## 致谢\n\n@zhongqiu1245 补充的borderDet中的BAM模块,补充了FPT\n\n@1187697147 补充的context-gating模块\n\n@cmsfw-github 指出了simple_keypoint中的bug\n\n@1187697147 建议更新了AFF和iAFF模块源码\n\n## 贡献\n\n欢迎在issue中提出补充推荐的项目。\n\n欢迎关注“GiantPandaCV”公众号以及“神经网络架构搜索”公众号查看相关博客。","# SimpleCVReproduction 快速上手指南\n\nSimpleCVReproduction 是一个面向初学者的计算机视觉开源项目，提供了大量带有详细注释的模型代码、即插即用模块（如注意力机制）以及常用代码片段。本项目旨在降低学习门槛，帮助用户快速理解并复现经典 CV 算法。\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 18.04\u002F20.04) 或 Windows (WSL2 推荐)\n*   **Python 版本**：Python 3.6 - 3.9\n*   **核心依赖**：\n    *   PyTorch >= 1.7.0\n    *   torchvision\n    *   OpenCV-Python (`opencv-python`)\n    *   NumPy\n    *   Matplotlib (用于可视化)\n\n**前置检查**：\n请确保已安装 CUDA 驱动（如需 GPU 加速），并验证 PyTorch 是否正确识别 GPU。\n\n## 安装步骤\n\n### 1. 克隆项目\n使用 Git 将仓库克隆到本地：\n\n```bash\ngit clone https:\u002F\u002Fgithub.com\u002Fpprp\u002FSimpleCVReproduction.git\ncd SimpleCVReproduction\n```\n\n> **国内加速建议**：如果访问 GitHub 较慢，可使用 Gitee 镜像（如有）或通过代理加速，或直接下载 ZIP 包解压。\n\n### 2. 安装依赖\n项目包含多个子模块，建议根据具体需要安装的子目录创建虚拟环境。以下是安装通用依赖的命令：\n\n```bash\npip install torch torchvision torchaudio --index-url https:\u002F\u002Fdownload.pytorch.org\u002Fwhl\u002Fcu118\npip install opencv-python numpy matplotlib scipy pandas\n```\n\n> **国内镜像源推荐**：建议使用清华源或阿里源加速安装：\n> ```bash\n> pip install torch torchvision torchaudio opencv-python numpy matplotlib -i https:\u002F\u002Fpypi.tuna.tsinghua.edu.cn\u002Fsimple\n> ```\n\n### 3. 模块说明\n本项目为代码合集，不同功能位于不同文件夹下。例如：\n*   `Plug-and-play module\u002F`：包含各种注意力机制（SE, CBAM, Non-Local 等）。\n*   `VisionTransformer\u002F`：ViT 系列模型实现。\n*   `simple_keypoint\u002F`：极简关键点检测示例。\n*   `tools\u002F`：包含数据集格式转换（VOC2COCO）和 Anchor 聚类脚本。\n\n无需全局安装整个项目为 Python 包，直接读取对应文件夹下的 `.py` 文件即可运行或集成。\n\n## 基本使用\n\n本项目的核心用法是**阅读代码**和**复用模块**。以下以在现有模型中插入 **SE (Squeeze-and-Excitation)** 注意力模块为例。\n\n### 示例：在 CNN 中集成 SE 模块\n\n假设你有一个基础的卷积块，想要加入 SE 注意力机制以提升性能。\n\n1.  **定位代码**：\n    进入 `Plug-and-play module` 目录，找到对应的 SE 模块实现文件（通常命名为 `SENet.py` 或在整合文件中）。\n\n2.  **复制模块代码**：\n    将 SE 模块的类定义复制到你的模型代码中，或者直接导入（如果配置了路径）。\n\n    ```python\n    import torch\n    import torch.nn as nn\n\n    class SEBlock(nn.Module):\n        def __init__(self, channel, reduction=16):\n            super(SEBlock, self).__init__()\n            self.avg_pool = nn.AdaptiveAvgPool2d(1)\n            self.fc = nn.Sequential(\n                nn.Linear(channel, channel \u002F\u002F reduction, bias=False),\n                nn.ReLU(inplace=True),\n                nn.Linear(channel \u002F\u002F reduction, channel, bias=False),\n                nn.Sigmoid()\n            )\n\n        def forward(self, x):\n            b, c, _, _ = x.size()\n            y = self.avg_pool(x).view(b, c)\n            y = self.fc(y).view(b, c, 1, 1)\n            return x * y.expand_as(x)\n    ```\n\n3.  **集成到模型**：\n    在你的网络结构初始化部分实例化该模块，并在 `forward` 函数中调用。\n\n    ```python\n    class MySimpleCNN(nn.Module):\n        def __init__(self):\n            super(MySimpleCNN, self).__init__()\n            self.conv1 = nn.Conv2d(3, 64, kernel_size=3, padding=1)\n            # 实例化 SE 模块，输入通道数为 64\n            self.se = SEBlock(channel=64) \n            self.relu = nn.ReLU(inplace=True)\n\n        def forward(self, x):\n            x = self.conv1(x)\n            x = self.se(x)  # 插入注意力模块\n            x = self.relu(x)\n            return x\n    ```\n\n4.  **运行测试**：\n    创建一个简单的输入张量进行测试，确保维度匹配且无报错。\n\n    ```python\n    if __name__ == \"__main__\":\n        model = MySimpleCNN()\n        input_tensor = torch.randn(1, 3, 224, 224) # Batch=1, Channel=3, H=224, W=224\n        output = model(input_tensor)\n        print(f\"Input shape: {input_tensor.shape}\")\n        print(f\"Output shape: {output.shape}\")\n    ```\n\n### 其他常用场景\n*   **数据集处理**：运行 `tools\u002Fvoc2coco.py` 将 VOC 格式标注转换为 COCO 格式。\n*   **可视化分析**：使用 `tsne\u002F` 目录下的脚本对模型提取的特征进行 t-SNE 可视化。\n*   **学习 Transformer**：直接运行 `VisionTransformer\u002F` 下的训练脚本来学习 ViT 的基础流程。\n\n建议开发者根据 `README` 中的目录结构，直接进入感兴趣的子文件夹阅读带注释的源码，这是本项目最高效的学习方式。","某高校计算机视觉实验室的研究生李明，正试图在 YOLOv3 目标检测模型中引入最新的注意力机制以提升小目标检测精度，作为其毕业论文的核心创新点。\n\n### 没有 SimpleCVReproduction 时\n- **代码复现门槛高**：从 GitHub 找到的原始论文代码往往缺乏注释，结构复杂，李明花费数天仍无法理清注意力模块（如 CBAM 或 SE）的具体嵌入位置。\n- **调试试错成本大**：自行编写“即插即用”模块时，常因维度不匹配导致模型无法收敛，甚至出现精度不升反降的情况，却难以定位是代码错误还是理论问题。\n- **资料碎片化严重**：需要在知乎、CSDN 和不同仓库间反复跳转查找教程，缺乏统一、经过验证的代码参考，学习路径极其曲折。\n- **基础组件重复造轮子**：为了验证一个想法，不得不从头搭建基础的数据加载和训练循环，浪费了大量科研时间在非核心逻辑上。\n\n### 使用 SimpleCVReproduction 后\n- **开箱即用的模块库**：直接调用库中已封装好的“即插即用模块&注意力模块”，如 ShuffleAttention 或 GCNet，代码自带详细中文注释，分钟级即可完成集成。\n- **避坑指南与实证代码**：参考库中关于“加入注意力机制后精度下降”的案例分析及对应代码，快速排除了超参数设置不当的问题，确保实验方向正确。\n- **一站式学习资源**：在一个仓库内即可获取从 CNN 到 Vision Transformer 系列的简化版实现和相关技术博客链接，构建了清晰的知识体系。\n- **聚焦核心创新**：利用库中提供的成熟训练框架和伪代码示例，李明将精力完全集中在算法改进策略上，实验迭代效率提升显著。\n\nSimpleCVReproduction 通过将复杂的学术代码转化为带注释的“乐高积木”，让研究者能从繁琐的工程实现中解放出来，专注于算法本身的创新与验证。","https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Fpprp_SimpleCVReproduction_569e1e1e.png","pprp","Peyton","https:\u002F\u002Foss.gittoolsai.com\u002Favatars\u002Fpprp_92d83135.jpg",null,"Data Science and Analytic Thrust, Information Hub, HKUST(GZ)","GuangZhou","dongpeijie98@gmail.com","https:\u002F\u002Fwww.zhihu.com\u002Fpeople\u002FpeijieDong","https:\u002F\u002Fgithub.com\u002Fpprp",[82,86,90,94,98,102,106,110,114,118],{"name":83,"color":84,"percentage":85},"Jupyter Notebook","#DA5B0B",47.4,{"name":87,"color":88,"percentage":89},"Python","#3572A5",44.6,{"name":91,"color":92,"percentage":93},"TeX","#3D6117",2.3,{"name":95,"color":96,"percentage":97},"Cuda","#3A4E3A",1.7,{"name":99,"color":100,"percentage":101},"C","#555555",1,{"name":103,"color":104,"percentage":105},"MATLAB","#e16737",0.8,{"name":107,"color":108,"percentage":109},"Shell","#89e051",0.7,{"name":111,"color":112,"percentage":113},"C++","#f34b7d",0.6,{"name":115,"color":116,"percentage":117},"Cython","#fedf5b",0.3,{"name":119,"color":120,"percentage":117},"Lua","#000080",1261,319,"2026-04-08T10:42:04","Apache-2.0","","未说明",{"notes":128,"python":126,"dependencies":129},"本项目为计算机视觉学习资源库，包含注意力模块、即插即用模块、Vision Transformer 等多种模型的简化实现代码及笔记。由于 README 中未提供具体的运行环境配置（如 Python 版本、具体依赖库版本、硬件要求等），建议用户根据子项目（如 YOLOv3, ViT, DeepSort 等）的具体代码文件自行确定依赖环境。通常此类 PyTorch 项目需要安装 torch 和 torchvision，部分项目可能需要 opencv-python。",[130,131],"PyTorch","OpenCV",[15,14],[134,135,136,137,138,139,140,141,142,143],"computer-vision","paper-reproduction","demo","cv","pytorch","classification","object-detection","face-detection","landmark","attention","2026-03-27T02:49:30.150509","2026-04-11T17:38:01.044350",[147,152,157,162,167,172,177],{"id":148,"question_zh":149,"answer_zh":150,"source_url":151},29658,"如何在 Windows 系统上解决编译 NMS 时的 'Unable to find vcvarsall.bat' 错误？","该错误通常是因为缺少 C++ 编译器环境。可以参考相关博客方案（如 CSDN 链接）安装 Visual C++ Build Tools。此外，项目主要在 Ubuntu 下测试，Windows 下可能会遇到兼容性问题。如果涉及 PyTorch 版本导致的越界错误（IndexError），建议尝试使用 PyTorch 1.1.0 版本，高版本在某些数据集处理上可能存在索引越界问题。","https:\u002F\u002Fgithub.com\u002Fpprp\u002FSimpleCVReproduction\u002Fissues\u002F11",{"id":153,"question_zh":154,"answer_zh":155,"source_url":156},29659,"训练自己的 VOC 格式数据集时，如何配置 VOCdevkit 以及 annotations_cache 文件是什么？","annotations_cache 是程序自动生成的以 .pkl 结尾的临时缓存文件，用于加速数据加载，无需手动创建。训练自定义数据集时，需按照 VOC 格式组织目录结构，并修改代码中的 devkit_path 路径。具体配置教程可参考作者提供的博客链接（如 cnblogs 上的教程）。","https:\u002F\u002Fgithub.com\u002Fpprp\u002FSimpleCVReproduction\u002Fissues\u002F26",{"id":158,"question_zh":159,"answer_zh":160,"source_url":161},29660,"在 simple_keypoint 模块运行 test.py 时报错 'NameError: name SIZE is not defined' 如何解决？","SIZE 变量代表输入图片的长和宽。该变量未定义是因为缺少全局配置。解决方法是在 test.py 中定义 SIZE 变量，其值应与 train.py 中使用的 IMG_SIZE 保持一致（例如：SIZE = 512 或根据实际训练设置调整）。","https:\u002F\u002Fgithub.com\u002Fpprp\u002FSimpleCVReproduction\u002Fissues\u002F16",{"id":163,"question_zh":164,"answer_zh":165,"source_url":166},29661,"MOT 数据集格式转换中，xyxy2xywh 函数的坐标转换逻辑是否正确？","此前代码中存在逻辑错误。MOT 数据集标准格式通常为 (左上角 x, 左上角 y, 宽，高)，而原代码中的 xyxy2xywh 函数将其错误地转换为了 (中心点 x, 中心点 y, 宽，高)。维护者已确认该问题并修复了代码，确保转换逻辑符合数据集要求。","https:\u002F\u002Fgithub.com\u002Fpprp\u002FSimpleCVReproduction\u002Fissues\u002F17",{"id":168,"question_zh":169,"answer_zh":170,"source_url":171},29662,"代码中 draw_umich_gaussian 函数是否存在 shape 定义错误的 Bug？","是的，在 simple_keypoint\u002Fheatmap\u002Futils.py 文件中，原代码将 heatmap 的 shape 解包为 w, h，但 NumPy 数组的 shape 返回顺序为 (height, width)，即 (h, w)。这会导致后续切片操作出错。正确的写法应为 height, width = heatmap.shape 或 h, w = heatmap.shape。维护者已确认并修复了此问题。","https:\u002F\u002Fgithub.com\u002Fpprp\u002FSimpleCVReproduction\u002Fissues\u002F13",{"id":173,"question_zh":174,"answer_zh":175,"source_url":176},29663,"如何在红外小目标检测任务中实现多目标检测及优化 CPU 推理速度？","对于多目标检测，通常只需修改 dataloader 以适配多目标数据格式。若需提高 CPU 上的推理速度，可以将模型的 backbone 替换为 YOLOv5-nano 的 backbone，或者将卷积网络中的普通 CNN 层全部替换为深度可分离卷积（Depthwise Separable Convolution）。","https:\u002F\u002Fgithub.com\u002Fpprp\u002FSimpleCVReproduction\u002Fissues\u002F24",{"id":178,"question_zh":179,"answer_zh":180,"source_url":181},29664,"是否支持添加 FPT (Feature Pyramid Transformer) 或 Context Gating 等新模块？","项目欢迎社区贡献新的模块。FPT 模块已被添加，它在 COCO test-dev 上能显著提升框检测（+8.5%）和实例分割（+6.0%）的性能。Context Gating 模块也已加入即插即用部分。用户可以通过提交 PR 的方式补充类似的新模块。","https:\u002F\u002Fgithub.com\u002Fpprp\u002FSimpleCVReproduction\u002Fissues\u002F8",[]]