[{"data":1,"prerenderedAt":-1},["ShallowReactive",2],{"similar-uber-research--UPSNet":3,"tool-uber-research--UPSNet":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",143909,2,"2026-04-07T11:33:18",[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。",107888,"2026-04-06T11:32:50",[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},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],"插件",{"id":54,"name":55,"github_repo":56,"description_zh":57,"stars":58,"difficulty_score":10,"last_commit_at":59,"category_tags":60,"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",[35,15,13,14],{"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":76,"owner_email":76,"owner_twitter":76,"owner_website":77,"owner_url":78,"languages":79,"stars":96,"forks":97,"last_commit_at":98,"license":99,"difficulty_score":100,"env_os":101,"env_gpu":102,"env_ram":101,"env_deps":103,"category_tags":111,"github_topics":112,"view_count":32,"oss_zip_url":76,"oss_zip_packed_at":76,"status":17,"created_at":119,"updated_at":120,"faqs":121,"releases":151},5037,"uber-research\u002FUPSNet","UPSNet","UPSNet: A Unified Panoptic Segmentation Network","UPSNet 是一款由 Uber 开源的统一全景分割网络，曾在计算机视觉顶级会议 CVPR 2019 上发表。它致力于解决传统图像分割任务中“语义分割”与“实例分割”相互独立、流程繁琐的痛点，通过一个端到端的神经网络架构，同时完成对图像中所有像素的类别识别（如道路、天空）以及独立个体物体的区分（如具体的行人、车辆），从而输出更完整、连贯的场景理解结果。\n\n该工具特别适合从事计算机视觉研究的学者、算法工程师以及需要处理复杂场景感知任务的开发者使用。其核心亮点在于“统一性”，摒弃了以往多阶段处理的复杂流水线，显著提升了推理效率与精度。在权威数据集上的测试表明，UPSNet 在 COCO 和 Cityscapes 等基准测试中均取得了优异的全景分割质量（PQ）分数。项目基于 PyTorch 构建，提供了完整的训练与测试代码及预训练模型，支持多 GPU 并行加速，为研究人员复现前沿成果或开发自动驾驶、机器人导航等应用提供了坚实的技术基础。","# UPSNet: A Unified Panoptic Segmentation Network\n\n# Introduction\nUPSNet is initially described in a [CVPR 2019 oral](https:\u002F\u002Farxiv.org\u002Fabs\u002F1901.03784) paper.\n\n\n\n\n# Disclaimer\n\nThis repository is tested under Python 3.6, PyTorch 0.4.1. And model training is done with 16 GPUs by using [horovod](https:\u002F\u002Fgithub.com\u002Fhorovod\u002Fhorovod). It should also work under Python 2.7 \u002F PyTorch 1.0 and with 4 GPUs.\n\n# License\n© Uber, 2018-2019. Licensed under the Uber Non-Commercial License.\n\n# Citing UPSNet\n\nIf you find UPSNet is useful in your research, please consider citing:\n```\n@inproceedings{xiong19upsnet,\n    Author = {Yuwen Xiong, Renjie Liao, Hengshuang Zhao, Rui Hu, Min Bai, Ersin Yumer, Raquel Urtasun},\n    Title = {UPSNet: A Unified Panoptic Segmentation Network},\n    Conference = {CVPR},\n    Year = {2019}\n}\n```\n\n\n# Main Results\n\nCOCO 2017 (trained on train-2017 set)\n\n|                | test split | PQ   | SQ   | RQ   | PQ\u003Csup>Th\u003C\u002Fsup> | PQ\u003Csup>St\u003C\u002Fsup> |\n|----------------|------------|------|------|------|-----------------|-----------------|\n| UPSNet-50      | val        | 42.5 | 78.0 | 52.4 | 48.5            | 33.4            |\n| UPSNet-101-DCN | test-dev   | 46.6 | 80.5 | 56.9 | 53.2            | 36.7            |\n\nCityscapes\n\n|                | PQ   | SQ   | RQ   | PQ\u003Csup>Th\u003C\u002Fsup> | PQ\u003Csup>St\u003C\u002Fsup> |\n|----------------|------|------|------|-----------------|-----------------|\n| UPSNet-50      | 59.3 | 79.7 | 73.0 | 54.6            | 62.7            |\n| UPSNet-101-COCO (ms test) | 61.8 | 81.3 | 74.8 | 57.6 | 64.8 |\n\n# Requirements: Software\n\nWe recommend using Anaconda3 as it already includes many common packages.\n\n\n# Requirements: Hardware\n\nWe recommend using 4~16 GPUs with at least 11 GB memory to train our model.\n\n# Installation\n\nClone this repo to `$UPSNet_ROOT`\n\nRun `init.sh` to build essential C++\u002FCUDA modules and download pretrained model.\n\nFor Cityscapes:\n\nAssuming you already downloaded Cityscapes dataset at `$CITYSCAPES_ROOT` and TrainIds label images are generated, please create a soft link by `ln -s $CITYSCAPES_ROOT data\u002Fcityscapes` under `UPSNet_ROOT`, and run `init_cityscapes.sh` to prepare Cityscapes dataset for UPSNet.\n\nFor COCO:\n\nAssuming you already downloaded COCO dataset at `$COCO_ROOT` and have `annotations` and `images` folders under it, please create a soft link by `ln -s $COCO_ROOT data\u002Fcoco` under `UPSNet_ROOT`, and run `init_coco.sh` to prepare COCO dataset for UPSNet.\n\nTraining:\n\n`python upsnet\u002Fupsnet_end2end_train.py --cfg upsnet\u002Fexperiments\u002F$EXP.yaml`\n\nTest:\n\n`python upsnet\u002Fupsnet_end2end_test.py --cfg upsnet\u002Fexperiments\u002F$EXP.yaml`\n\nWe provide serveral config files (16\u002F4 GPUs for Cityscapes\u002FCOCO dataset) under upsnet\u002Fexperiments folder.\n\n# Model Weights\n\nThe model weights that can reproduce numbers in our paper are available now. Please follow these steps to use them:\n\nRun `download_weights.sh` to get trained model weights for Cityscapes and COCO.\n\nFor Cityscapes:\n\n```shell\npython upsnet\u002Fupsnet_end2end_test.py --cfg upsnet\u002Fexperiments\u002Fupsnet_resnet50_cityscapes_16gpu.yaml --weight_path .\u002Fmodel\u002Fupsnet_resnet_50_cityscapes_12000.pth\n```\n\n```shell\npython upsnet\u002Fupsnet_end2end_test.py --cfg upsnet\u002Fexperiments\u002Fupsnet_resnet101_cityscapes_w_coco_16gpu.yaml --weight_path .\u002Fmodel\u002Fupsnet_resnet_101_cityscapes_w_coco_3000.pth\n```\n\nFor COCO:\n\n```shell\npython upsnet\u002Fupsnet_end2end_test.py --cfg upsnet\u002Fexperiments\u002Fupsnet_resnet50_coco_16gpu.yaml --weight_path model\u002Fupsnet_resnet_50_coco_90000.pth\n```\n\n```shell\npython upsnet\u002Fupsnet_end2end_test.py --cfg upsnet\u002Fexperiments\u002Fupsnet_resnet101_dcn_coco_3x_16gpu.yaml --weight_path model\u002Fupsnet_resnet_101_dcn_coco_270000.pth\n```\n\n\n\n\n\n\n\n","# UPSNet：统一的全景分割网络\n\n# 简介\nUPSNet 最初在一篇 [CVPR 2019 口头报告](https:\u002F\u002Farxiv.org\u002Fabs\u002F1901.03784) 中被提出。\n\n\n\n\n# 免责声明\n\n本仓库已在 Python 3.6 和 PyTorch 0.4.1 环境下测试通过。模型训练使用了 16 块 GPU，并借助 [horovod](https:\u002F\u002Fgithub.com\u002Fhorovod\u002Fhorovod) 进行分布式训练。它同样可以在 Python 2.7 \u002F PyTorch 1.0 环境下，以及使用 4 块 GPU 的情况下运行。\n\n# 许可证\n© Uber, 2018–2019。根据 Uber 非商业许可协议授权。\n\n# 引用 UPSNet\n\n如果您在研究中发现 UPSNet 有所帮助，请考虑引用以下文献：\n```\n@inproceedings{xiong19upsnet,\n    Author = {Yuwen Xiong, Renjie Liao, Hengshuang Zhao, Rui Hu, Min Bai, Ersin Yumer, Raquel Urtasun},\n    Title = {UPSNet: A Unified Panoptic Segmentation Network},\n    Conference = {CVPR},\n    Year = {2019}\n}\n```\n\n\n# 主要结果\n\nCOCO 2017 数据集（在 train-2017 上训练）\n\n|                | 测试集划分 | PQ   | SQ   | RQ   | PQ\u003Csup>Th\u003C\u002Fsup> | PQ\u003Csup>St\u003C\u002Fsup> |\n|----------------|------------|------|------|------|-----------------|-----------------|\n| UPSNet-50      | val        | 42.5 | 78.0 | 52.4 | 48.5            | 33.4            |\n| UPSNet-101-DCN | test-dev   | 46.6 | 80.5 | 56.9 | 53.2            | 36.7            |\n\nCityscapes 数据集\n\n|                | PQ   | SQ   | RQ   | PQ\u003Csup>Th\u003C\u002Fsup> | PQ\u003Csup>St\u003C\u002Fsup> |\n|----------------|------|------|------|-----------------|-----------------|\n| UPSNet-50      | 59.3 | 79.7 | 73.0 | 54.6            | 62.7            |\n| UPSNet-101-COCO (ms 测试) | 61.8 | 81.3 | 74.8 | 57.6 | 64.8 |\n\n# 软件要求\n\n我们建议使用 Anaconda3，因为它已经包含了许多常用的软件包。\n\n\n# 硬件要求\n\n我们建议使用 4 到 16 块 GPU 来训练我们的模型，每块 GPU 至少需要 11 GB 显存。\n\n\n# 安装\n\n将此仓库克隆到 `$UPSNet_ROOT` 目录下。\n\n运行 `init.sh` 脚本以构建必要的 C++\u002FCUDA 模块并下载预训练模型。\n\n对于 Cityscapes 数据集：\n\n假设您已将 Cityscapes 数据集下载至 `$CITYSCAPES_ROOT` 目录，并生成了 TrainIds 标签图像，请在 `$UPSNet_ROOT` 下执行 `ln -s $CITYSCAPES_ROOT data\u002Fcityscapes` 创建软链接，然后运行 `init_cityscapes.sh` 脚本以准备 Cityscapes 数据集供 UPSNet 使用。\n\n对于 COCO 数据集：\n\n假设您已将 COCO 数据集下载至 `$COCO_ROOT` 目录，并且该目录下包含 `annotations` 和 `images` 文件夹，请在 `$UPSNet_ROOT` 下执行 `ln -s $COCO_ROOT data\u002Fcoco` 创建软链接，然后运行 `init_coco.sh` 脚本以准备 COCO 数据集供 UPSNet 使用。\n\n训练：\n\n`python upsnet\u002Fupsnet_end2end_train.py --cfg upsnet\u002Fexperiments\u002F$EXP.yaml`\n\n测试：\n\n`python upsnet\u002Fupsnet_end2end_test.py --cfg upsnet\u002Fexperiments\u002F$EXP.yaml`\n\n我们在 `upsnet\u002Fexperiments` 文件夹中提供了若干配置文件，分别适用于 Cityscapes 和 COCO 数据集的 16 块或 4 块 GPU 训练场景。\n\n# 模型权重\n\n目前可复现论文中实验结果的模型权重已开放下载。请按照以下步骤使用这些权重：\n\n运行 `download_weights.sh` 脚本以获取 Cityscapes 和 COCO 数据集的训练好的模型权重。\n\n对于 Cityscapes 数据集：\n\n```shell\npython upsnet\u002Fupsnet_end2end_test.py --cfg upsnet\u002Fexperiments\u002Fupsnet_resnet50_cityscapes_16gpu.yaml --weight_path .\u002Fmodel\u002Fupsnet_resnet_50_cityscapes_12000.pth\n```\n\n```shell\npython upsnet\u002Fupsnet_end2end_test.py --cfg upsnet\u002Fexperiments\u002Fupsnet_resnet101_cityscapes_w_coco_16gpu.yaml --weight_path .\u002Fmodel\u002Fupsnet_resnet_101_cityscapes_w_coco_3000.pth\n```\n\n对于 COCO 数据集：\n\n```shell\npython upsnet\u002Fupsnet_end2end_test.py --cfg upsnet\u002Fexperiments\u002Fupsnet_resnet50_coco_16gpu.yaml --weight_path model\u002Fupsnet_resnet_50_coco_90000.pth\n```\n\n```shell\npython upsnet\u002Fupsnet_end2end_test.py --cfg upsnet\u002Fexperiments\u002Fupsnet_resnet101_dcn_coco_3x_16gpu.yaml --weight_path model\u002Fupsnet_resnet_101_dcn_coco_270000.pth\n```","# UPSNet 快速上手指南\n\nUPSNet 是一个统一的全景分割网络（Unified Panoptic Segmentation Network），源自 CVPR 2019 口头报告论文。本指南帮助开发者快速搭建环境并运行模型。\n\n## 环境准备\n\n### 系统要求\n- **操作系统**: Linux (推荐)\n- **Python**: 3.6 (已测试)，也支持 2.7\n- **PyTorch**: 0.4.1 (已测试)，也支持 1.0\n- **GPU**: 训练推荐 4~16 张显卡，显存至少 11GB\n- **分布式训练**: 使用 [Horovod](https:\u002F\u002Fgithub.com\u002Fhorovod\u002Fhorovod) (多卡训练必需)\n\n### 前置依赖\n推荐使用 **Anaconda3** 管理环境，它已包含许多常用包。\n请确保已安装 CUDA 和 cuDNN 以支持 GPU 加速。\n\n> **注意**: 由于该项目基于较旧版本的 PyTorch (0.4.1)，在新环境中安装可能遇到兼容性问题。建议创建独立的虚拟环境。\n\n## 安装步骤\n\n1. **克隆仓库**\n   将代码克隆到本地目录（设为 `$UPSNet_ROOT`）：\n   ```bash\n   git clone \u003Crepository_url> $UPSNet_ROOT\n   cd $UPSNet_ROOT\n   ```\n\n2. **初始化环境与编译模块**\n   运行初始化脚本，该脚本将构建必要的 C++\u002FCUDA 模块并下载预训练模型：\n   ```bash\n   bash init.sh\n   ```\n\n3. **准备数据集**\n   \n   **针对 Cityscapes 数据集:**\n   假设已将数据集下载至 `$CITYSCAPES_ROOT` 且已生成 TrainIds 标签图像，执行以下命令建立软链接并准备数据：\n   ```bash\n   ln -s $CITYSCAPES_ROOT data\u002Fcityscapes\n   bash init_cityscapes.sh\n   ```\n\n   **针对 COCO 数据集:**\n   假设已将数据集下载至 `$COCO_ROOT` 且目录下包含 `annotations` 和 `images` 文件夹，执行以下命令：\n   ```bash\n   ln -s $COCO_ROOT data\u002Fcoco\n   bash init_coco.sh\n   ```\n\n4. **下载模型权重 (可选)**\n   如果需要复现论文结果，可运行以下脚本下载训练好的权重：\n   ```bash\n   bash download_weights.sh\n   ```\n\n## 基本使用\n\n### 训练模型\n使用配置文件启动端到端训练。以下示例使用 Cityscapes 配置（可根据需要替换为 COCO 配置）：\n```bash\npython upsnet\u002Fupsnet_end2end_train.py --cfg upsnet\u002Fexperiments\u002F$EXP.yaml\n```\n*注：`upsnet\u002Fexperiments` 文件夹下提供了针对不同数据集和显卡数量（4 卡或 16 卡）的配置文件。*\n\n### 测试模型\n使用预训练权重进行推理测试。\n\n**Cityscapes 示例 (ResNet-50):**\n```bash\npython upsnet\u002Fupsnet_end2end_test.py --cfg upsnet\u002Fexperiments\u002Fupsnet_resnet50_cityscapes_16gpu.yaml --weight_path .\u002Fmodel\u002Fupsnet_resnet_50_cityscapes_12000.pth\n```\n\n**COCO 示例 (ResNet-50):**\n```bash\npython upsnet\u002Fupsnet_end2end_test.py --cfg upsnet\u002Fexperiments\u002Fupsnet_resnet50_coco_16gpu.yaml --weight_path model\u002Fupsnet_resnet_50_coco_90000.pth\n```\n\n**COCO 示例 (ResNet-101 DCN):**\n```bash\npython upsnet\u002Fupsnet_end2end_test.py --cfg upsnet\u002Fexperiments\u002Fupsnet_resnet101_dcn_coco_3x_16gpu.yaml --weight_path model\u002Fupsnet_resnet_101_dcn_coco_270000.pth\n```","某自动驾驶初创公司的感知算法团队正在开发城市道路场景下的实时环境理解系统，需要同时识别可行驶区域（语义分割）和追踪周围车辆、行人等独立个体（实例分割）。\n\n### 没有 UPSNet 时\n- **架构冗余复杂**：工程师必须维护两套独立的深度学习模型，一套负责语义分割，另一套负责实例分割，导致代码库庞大且难以调试。\n- **推理延迟过高**：由于需要串行或并行运行两个重型网络，车载计算单元的处理延迟显著增加，难以满足自动驾驶对实时性的严苛要求。\n- **信息融合困难**：后处理阶段需要编写复杂的启发式规则来合并两套模型的输出，经常出现车道线与车辆边缘重叠处的分类冲突或漏检。\n- **训练成本高昂**：分别训练和优化两个模型消耗了双倍的 GPU 资源和时间，且难以通过联合优化提升整体性能。\n\n### 使用 UPSNet 后\n- **统一网络架构**：UPSNet 将语义和实例分割任务整合进单一端到端网络，大幅简化了系统架构，减少了维护负担。\n- **实时性能提升**：单次前向传播即可输出全景分割结果，显著降低了推理耗时，使系统在嵌入式设备上也能流畅运行。\n- **像素级一致性**：得益于统一的特征学习和“东西”（Thing）与“背景”（Stuff）的协同优化，彻底消除了物体边缘的预测冲突，提升了场景理解的准确度。\n- **资源效率优化**：只需训练一个模型即可达到甚至超越以往双模型组合的效果（如 Cityscapes 数据集 PQ 达 61.8），显著节省了算力成本和研发周期。\n\nUPSNet 通过统一建模范式，以更低的经济和时间成本解决了自动驾驶感知系统中多任务协同难、实时性差的核心痛点。","https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Fuber-research_UPSNet_25bcc3db.png","uber-research","Uber Research","https:\u002F\u002Foss.gittoolsai.com\u002Favatars\u002Fuber-research_3a532a8c.png","Uber's research projects. Projects in this organization are not built for production usage. Limited maintenance and support available for the repos in this org.",null,"https:\u002F\u002Fuber.github.io","https:\u002F\u002Fgithub.com\u002Fuber-research",[80,84,88,92],{"name":81,"color":82,"percentage":83},"Python","#3572A5",84.4,{"name":85,"color":86,"percentage":87},"Cuda","#3A4E3A",12,{"name":89,"color":90,"percentage":91},"C++","#f34b7d",2.8,{"name":93,"color":94,"percentage":95},"Shell","#89e051",0.8,645,115,"2026-02-23T14:31:05","NOASSERTION",4,"未说明","需要 NVIDIA GPU，推荐 4~16 张，单卡显存至少 11GB，需支持 CUDA（具体版本未说明，但需编译 C++\u002FCUDA 模块）",{"notes":104,"python":105,"dependencies":106},"该工具较旧，官方测试基于 PyTorch 0.4.1 和 Python 3.6。训练推荐使用 16 张 GPU（通过 Horovod），但也支持 4 张 GPU。安装时需运行脚本构建 C++\u002FCUDA 模块。数据集（Cityscapes 或 COCO）需预先下载并创建软链接。","3.6 (测试环境), 兼容 2.7",[107,108,109,110],"PyTorch 0.4.1 (测试环境)","PyTorch 1.0 (兼容)","horovod","Anaconda3 (推荐)",[15,14],[113,114,115,116,117,118],"panoptic-segmentation","scene-parsing","instance-segmentation","cvpr2019","computer-vision","deep-learning","2026-03-27T02:49:30.150509","2026-04-07T22:49:54.754460",[122,127,132,137,141,146],{"id":123,"question_zh":124,"answer_zh":125,"source_url":126},22905,"运行训练脚本时遇到 'undefined symbol' 或 ImportError 错误怎么办？","这通常是由于 CUDA、GCC 或 PyTorch 版本不兼容导致的。有用户反馈将 CUDA 降级到 9.1 版本后解决了该问题。请确保编译环境中的 CUDA 版本与 PyTorch 版本匹配，并检查是否在编译时正确设置了 `-D_GLIBCXX_USE_CXX11_ABI=0` 参数。","https:\u002F\u002Fgithub.com\u002Fuber-research\u002FUPSNet\u002Fissues\u002F6",{"id":128,"question_zh":129,"answer_zh":130,"source_url":131},22906,"如何使用自定义数据集进行训练，特别是如何设置类别数量（number of classes）？","对于自定义 COCO Panoptic 格式数据集，需要修改配置文件和代码映射。假设你有 x 个实例类别（thing）和 y 个_stuff_类别：\n1. 在配置文件（如 `resnent_4gpu_coco.yaml`）中，设置 `nums_classes` 为 `x + 1`（实例类别数 +1），设置 `nums_seg_classes` 为 `x + y`（实例 + 语义类别总数）。\n2. 修改 `init_coco.py` 中的类别映射代码，根据你的实际类别数量调整 `idx_mapping` 和 `inv_idx_mapping` 字典的范围。","https:\u002F\u002Fgithub.com\u002Fuber-research\u002FUPSNet\u002Fissues\u002F114",{"id":133,"question_zh":134,"answer_zh":135,"source_url":136},22907,"遇到 'ModuleNotFoundError: No module named upsnet.bbox.bbox' 错误如何解决？","该错误通常是因为 Cython 扩展模块未正确编译。虽然目录中存在 `.so` 文件，但可能未正确安装或路径有问题。请确保在 `upsnet\u002Fbbox` 目录下运行了 `python setup.py build_ext --inplace` 来重新编译 `bbox.pyx` 文件，并确保生成的 `.so` 文件与当前 Python 版本匹配。","https:\u002F\u002Fgithub.com\u002Fuber-research\u002FUPSNet\u002Fissues\u002F9",{"id":138,"question_zh":139,"answer_zh":140,"source_url":136},22908,"如何减少训练时间或资源消耗？","如果不需要达到最佳的模型精度，可以通过减少迭代次数来换取更短的训练时间。例如，可以将配置中的迭代次数从默认的 144k\u002F192k 减少到 72k\u002F96k。这是在性能和训练速度之间的一种权衡。",{"id":142,"question_zh":143,"answer_zh":144,"source_url":145},22909,"训练过程中出现 'RuntimeWarning: invalid value encountered in sqrt' 或 NaN 错误怎么办？","这个问题通常由两个原因引起：\n1. **预处理不匹配**：如果使用 torchvision 风格的预处理但加载了从 Caffe 转换的预训练权重，会导致特征计算异常。解决方法是在配置中将 `use_caffe_model` 设置为 `false`。\n2. **非法 ROI 坐标**：如果 RPN 生成的候选框（proposals）出现宽度或高度为负数（即 x1>x2 或 y1>y2），会导致对负数开方产生 NaN。尝试更换主干网络（Backbone）或减小学习率可能有助于缓解此问题。","https:\u002F\u002Fgithub.com\u002Fuber-research\u002FUPSNet\u002Fissues\u002F36",{"id":147,"question_zh":148,"answer_zh":149,"source_url":150},22910,"评估模型时遇到 'ZeroDivisionError: division by zero' 错误是什么原因？","该错误发生在计算 Panoptic Quality (PQ) 指标时，通常是因为预测结果中没有检测到任何有效的类别（n=0），导致除以零。这可能意味着模型未能收敛、阈值设置过高导致没有输出，或者测试数据集中缺少某些类别且模型完全未预测到它们。请检查模型是否训练正常，以及评估脚本中的置信度阈值设置。","https:\u002F\u002Fgithub.com\u002Fuber-research\u002FUPSNet\u002Fissues\u002F11",[]]