[{"data":1,"prerenderedAt":-1},["ShallowReactive",2],{"similar-wuji3--Doraemon":3,"tool-wuji3--Doraemon":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",160015,2,"2026-04-18T11:30:52",[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。",109154,"2026-04-18T11:18:24",[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":72,"owner_avatar_url":73,"owner_bio":74,"owner_company":74,"owner_location":75,"owner_email":76,"owner_twitter":74,"owner_website":74,"owner_url":77,"languages":78,"stars":83,"forks":84,"last_commit_at":85,"license":86,"difficulty_score":32,"env_os":87,"env_gpu":88,"env_ram":87,"env_deps":89,"category_tags":97,"github_topics":99,"view_count":32,"oss_zip_url":74,"oss_zip_packed_at":74,"status":17,"created_at":107,"updated_at":108,"faqs":109,"releases":115},9302,"wuji3\u002FDoraemon","Doraemon","A powerful baseline for image classification, face recognition and image retrieval with Pytorch","Doraemon 是一个基于 PyTorch 构建的强大开源基线模型，专注于图像分类、人脸识别和图像检索三大核心任务。它旨在解决开发者在构建视觉算法时面临的训练效率低、模型泛化能力弱以及部署流程复杂等痛点，提供了一套从数据预处理、模型训练到最终部署的完整解决方案。\n\n这款工具特别适合人工智能研究人员、算法工程师以及需要快速验证视觉想法的开发者使用。无论是学术探索还是工业级应用，Doraemon 都能帮助用户轻松上手。其技术亮点在于内置了多种先进的优化策略：支持 SAM（锐度感知最小化）等高效优化算法，集成 CutOut、Mixup 及类别专属数据增强以提升模型鲁棒性，并提供 GradCAM 可视化工具帮助理解模型决策过程。此外，Doraemon 支持针对不同网络层设置差异化学习率，并兼容 Hugging Face 生态，允许用户通过简单的命令或标准 API 接口实现模型的本地高速推理与云端无缝部署，极大地降低了高性能视觉模型的应用门槛。","# \u003Cdiv align=\"center\">DORAEMON: Deep Object Recognition And Embedding Model Of Networks\u003C\u002Fdiv>\n\n\u003Cp align=\"center\">\n\u003Cimg src=\"https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Fwuji3_Doraemon_readme_fcadb140f790.jpg\">\n\u003C\u002Fp>\n\n\u003Cp align=\"center\">\n\u003Cimg src=\"https:\u002F\u002Fimg.shields.io\u002Fbadge\u002Fdoraemon-0.0.4a0-brightgreen.svg\">\n\u003Cimg src=\"https:\u002F\u002Fimg.shields.io\u002Fbadge\u002Fpython-3.10-blue.svg\">\n\u003Cimg src=\"https:\u002F\u002Fimg.shields.io\u002Fbadge\u002Fpytorch-2.0+-orange.svg\">\n\u003Cimg src=\"https:\u002F\u002Fimg.shields.io\u002Fbadge\u002Ftorchmetrics-0.11.4-green.svg\">\n\u003Cimg src=\"https:\u002F\u002Fimg.shields.io\u002Fbadge\u002Ftimm-0.9.16-red.svg\">\n\u003Cimg src=\"https:\u002F\u002Fimg.shields.io\u002Fbadge\u002Fopencv-4.7.0-lightgrey.svg\">\n\u003Ca href=\"LICENSE\">\u003Cimg src=\"https:\u002F\u002Fimg.shields.io\u002Fbadge\u002Flicense-MIT-blue.svg\">\u003C\u002Fa>\n\u003C\u002Fp>\n\n## 🚀 Quick Start\n\n\u003Csummary>\u003Cb>Installation Guide\u003C\u002Fb>\u003C\u002Fsummary>\n\n```bash\n# Create and activate environment\npython -m venv doraemon\nsource doraemon\u002Fbin\u002Factivate\n\n# Install Doraemon\npip install doraemon-torch\n\n# If you need to install in editable mode (for development)\npip install -e .\n```\n\n## 📢 What's New\n\n- 🎁 2025.11.07: [Doraemon paper](https:\u002F\u002Farxiv.org\u002Fabs\u002F2511.04394) paper released; welcome to \u003Ca href='#citation'> cite our paper \u003C\u002Fa> if you find the project useful for your research or development.\n- 🎁 2025.03.16: Doraemon v0.1.0 released\n- 🎁 2024.10.01: Content-Based Image Retrieval (CBIR): We collect a product dataset from Kaggle & TianChi with a complete pipeline for training, end-to-end validation, and visualization. Please check [ImageRetrieval.md](doraemon\u002Fmodels\u002Frepresentation\u002FREADME_CBIR.md)\n- 🎁 2024.04.01: Face Recognition: Based on a cleaned MS-Celeb-1M-v1c with over 70,000 IDs and 3.6 million images, validated with LFW. Includes loss functions like ArcFace, CircleLoss, and MagFace.\n- 🎁 2023.06.01: Image Classification (IC): Given the Oxford-IIIT Pet dataset. Supports different learning rates for different layers, hard example mining, multi-label and single-label training, bad case analysis, GradCAM visualization, automatic labeling to aid semi-supervised training, and category-specific data augmentation. Refer to [ImageClassification.md](doraemon\u002Fmodels\u002Fclassifier\u002FREADME.md)\n\n## ✨ Highlights\n- [Optimization Algorithms](doraemon\u002Fengine\u002Foptimizer.py): Various optimization techniques to enhance model training efficiency, including SGD, Adam, and SAM (Sharpness-Aware Minimization).\n\n- [Data Augmentation](doraemon\u002Fdataset\u002Ftransforms.py): A variety of data augmentation techniques to improve model robustness, such as CutOut, Color-Jitter, and Copy-Paste etc.\n\n- [Regularization](doraemon\u002Fengine\u002Foptimizer.py): Techniques to prevent overfitting and improve model generalization, including Label Smoothing, OHEM, Focal Loss, and Mixup.\n\n- [Visualization](doraemon\u002Futils\u002Fcam.py): Integrated visualization tool to understand model decision-making, featuring GradCAM.\n\n- [Personalized Data Augmentation](doraemon\u002Fbuilt\u002Fclass_augmenter.py): Apply exclusive data augmentation to specific classes with Class-Specific Augmentation.\n\n- [Personalized Hyperparameter Tuning](doraemon\u002Fbuilt\u002Flayer_optimizer.py): Apply different learning rates to specific layers using Layer-Specific Learning Rates.\n\n## 🚀 Deployment API\n\nDoraemon offers incredibly simple yet powerful deployment options:\n\n- **Local API Inference**: Deploy models with just a single weight file (*.pt) - one command setup for high-performance local inference\n- **Seamless HuggingFace Integration**: Effortlessly deploy to the Huggingface ecosystem with full support for:\n  - `AutoModel.from_pretrained()`\n  - `AutoProcessor.from_pretrained()`\n  - And all standard Hugging Face API interfaces\n\nFor detailed deployment instructions and ready-to-use examples, see our [Deployment Guide](deploy\u002FREADME.md).\n\n## 📚 Tutorials\n\nFor detailed guidance on specific tasks, please refer to the following resources:\n\n- **Image Classification**: If you are working on image classification tasks, please refer to [Doc: Image Classification](doraemon\u002Fmodels\u002Fclassifier\u002FREADME.md).\n\n- **Image Retrieval**: For image retrieval tasks, please refer to [Doc: Image Retrieval](doraemon\u002Fmodels\u002Frepresentation\u002FREADME_CBIR.md).\n\n- **Face Recognition**: Stay tuned.\n\n## 📊 Datasets\n\nDoraemon integrates the following datasets, allowing users to quickly start training:\n\n- **Image Retrieval**: Available at [Ecommerce Product](https:\u002F\u002Fhuggingface.co\u002Fdatasets\u002Fwuji3\u002Fimage-retrieval)\n- **Face Recognition**: Available at [MS-Celeb-1M-v1c](https:\u002F\u002Fhuggingface.co\u002Fdatasets\u002Fwuji3\u002Fface-recognition)\n- **Image Classification**: Available at [Oxford-IIIT Pet](https:\u002F\u002Fhuggingface.co\u002Fdatasets\u002Fwuji3\u002Foxford-iiit-pet)\n\n## 🧩 Supported Models\n \n**Doraemon** now supports 1000+ models through integration with Timm:\n \n- All models from `timm.list_models(pretrained=True)`\n- Including CLIP, SigLIP, DeiT, BEiT, MAE, EVA, DINO and more\n\n[Model Performance Benchmarks](https:\u002F\u002Fgithub.com\u002Fhuggingface\u002Fpytorch-image-models\u002Ftree\u002Fmain\u002Fresults) can help you select the most suitable model by comparing:\n- Inference speed\n- Training efficiency \n- Accuracy across different datasets\n- Parameter count vs performance trade-offs\n\n> For detailed benchmark results, see [@huggingface\u002Fpytorch-image-models#1933](https:\u002F\u002Fgithub.com\u002Fhuggingface\u002Fpytorch-image-models\u002Fissues\u002F1933)\n\n## Citation \n\u003Cspan id='citation'\u002F>\nIf you find **Doraemon** useful for your research or development, please cite the following \u003Ca href=\"https:\u002F\u002Farxiv.org\u002Fabs\u002F2511.04394\" target=\"_blank\">paper\u003C\u002Fa>:\n\n```\n@misc{du2025visual,\n      title={DORAEMON: A Unified Library for Visual Object Modeling and Representation Learning at Scale}, \n      author={Ke Du and Yimin Peng and Chao Gao and Fan Zhou and Siqiao Xue},\n      year={2025},\n      journal={arXiv preprint arXiv:2511.04394},\n      url={https:\u002F\u002Farxiv.org\u002Fabs\u002F2511.04394}, \n}\n```\n","# \u003Cdiv align=\"center\">哆啦A梦：网络的深度目标识别与嵌入模型\u003C\u002Fdiv>\n\n\u003Cp align=\"center\">\n\u003Cimg src=\"https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Fwuji3_Doraemon_readme_fcadb140f790.jpg\">\n\u003C\u002Fp>\n\n\u003Cp align=\"center\">\n\u003Cimg src=\"https:\u002F\u002Fimg.shields.io\u002Fbadge\u002Fdoraemon-0.0.4a0-brightgreen.svg\">\n\u003Cimg src=\"https:\u002F\u002Fimg.shields.io\u002Fbadge\u002Fpython-3.10-blue.svg\">\n\u003Cimg src=\"https:\u002F\u002Fimg.shields.io\u002Fbadge\u002Fpytorch-2.0+-orange.svg\">\n\u003Cimg src=\"https:\u002F\u002Fimg.shields.io\u002Fbadge\u002Ftorchmetrics-0.11.4-green.svg\">\n\u003Cimg src=\"https:\u002F\u002Fimg.shields.io\u002Fbadge\u002Ftimm-0.9.16-red.svg\">\n\u003Cimg src=\"https:\u002F\u002Fimg.shields.io\u002Fbadge\u002Fopencv-4.7.0-lightgrey.svg\">\n\u003Ca href=\"LICENSE\">\u003Cimg src=\"https:\u002F\u002Fimg.shields.io\u002Fbadge\u002Flicense-MIT-blue.svg\">\u003C\u002Fa>\n\u003C\u002Fp>\n\n## 🚀 快速入门\n\n\u003Csummary>\u003Cb>安装指南\u003C\u002Fb>\u003C\u002Fsummary>\n\n```bash\n# 创建并激活环境\npython -m venv doraemon\nsource doraemon\u002Fbin\u002Factivate\n\n# 安装Doraemon\npip install doraemon-torch\n\n# 如果需要以可编辑模式安装（用于开发）\npip install -e .\n```\n\n## 📢 最新动态\n\n- 🎁 2025年11月7日：[Doraemon论文](https:\u002F\u002Farxiv.org\u002Fabs\u002F2511.04394)发布；如果您发现该项目对您的研究或开发有帮助，欢迎在\u003Cahref='#citation'>引用我们的论文\u003C\u002Fa>。\n- 🎁 2025年3月16日：Doraemon v0.1.0版本发布\n- 🎁 2024年10月1日：基于内容的图像检索（CBIR）：我们从Kaggle和天池收集了一个产品数据集，并提供了完整的训练、端到端验证和可视化流程。请查看[ImageRetrieval.md](doraemon\u002Fmodels\u002Frepresentation\u002FREADME_CBIR.md)\n- 🎁 2024年4月1日：人脸识别：基于清理后的MS-Celeb-1M-v1c数据集，包含超过7万个ID和360万张图片，并通过LFW进行了验证。包括ArcFace、CircleLoss和MagFace等损失函数。\n- 🎁 2023年6月1日：图像分类（IC）：使用牛津-IIIT宠物数据集。支持为不同层设置不同的学习率、难例挖掘、多标签和单标签训练、错误案例分析、GradCAM可视化、自动标注以辅助半监督训练，以及针对特定类别的数据增强。请参阅[ImageClassification.md](doraemon\u002Fmodels\u002Fclassifier\u002FREADME.md)\n\n## ✨ 亮点\n- [优化算法](doraemon\u002Fengine\u002Foptimizer.py)：多种优化技术以提升模型训练效率，包括SGD、Adam和SAM（Sharpness-Aware Minimization）。\n\n- [数据增强](doraemon\u002Fdataset\u002Ftransforms.py)：多种数据增强技术以提高模型鲁棒性，如CutOut、Color-Jitter和Copy-Paste等。\n\n- [正则化](doraemon\u002Fengine\u002Foptimizer.py)：防止过拟合并提升模型泛化的技术，包括Label Smoothing、OHEM、Focal Loss和Mixup。\n\n- [可视化](doraemon\u002Futils\u002Fcam.py)：集成的可视化工具，用于理解模型决策过程，特色功能为GradCAM。\n\n- [个性化数据增强](doraemon\u002Fbuilt\u002Fclass_augmenter.py)：通过类特定增强，为特定类别应用专属的数据增强方法。\n\n- [个性化超参数调优](doraemon\u002Fbuilt\u002Flayer_optimizer.py)：利用层特定学习率为不同层设置不同的学习率。\n\n## 🚀 部署API\n\nDoraemon提供极其简单却强大的部署选项：\n\n- **本地API推理**：只需一个权重文件（*.pt）即可部署模型——一条命令即可完成高性能本地推理的设置\n- **无缝HuggingFace集成**：轻松部署至Huggingface生态，全面支持：\n  - `AutoModel.from_pretrained()`\n  - `AutoProcessor.from_pretrained()`\n  - 以及所有标准的Hugging Face API接口\n\n有关详细的部署说明和即用示例，请参阅我们的[部署指南](deploy\u002FREADME.md)。\n\n## 📚 教程\n\n如需特定任务的详细指导，请参考以下资源：\n\n- **图像分类**：如果您正在进行图像分类任务，请参阅[文档：图像分类](doraemon\u002Fmodels\u002Fclassifier\u002FREADME.md)。\n\n- **图像检索**：对于图像检索任务，请参阅[文档：图像检索](doraemon\u002Fmodels\u002Frepresentation\u002FREADME_CBIR.md)。\n\n- **人脸识别**：敬请期待。\n\n## 📊 数据集\n\nDoraemon集成了以下数据集，方便用户快速开始训练：\n\n- **图像检索**：可在[HuggingFace](https:\u002F\u002Fhuggingface.co\u002Fdatasets\u002Fwuji3\u002Fimage-retrieval)上找到电商产品数据集\n- **人脸识别**：可在[HuggingFace](https:\u002F\u002Fhuggingface.co\u002Fdatasets\u002Fwuji3\u002Fface-recognition)上找到MS-Celeb-1M-v1c数据集\n- **图像分类**：可在[HuggingFace](https:\u002F\u002Fhuggingface.co\u002Fdatasets\u002Fwuji3\u002Foxford-iiit-pet)上找到牛津-IIIT宠物数据集\n\n## 🧩 支持的模型\n \n**Doraemon**现已通过与Timm集成，支持1000多种模型：\n \n- `timm.list_models(pretrained=True)`中的所有模型\n- 包括CLIP、SigLIP、DeiT、BEiT、MAE、EVA、DINO等众多模型\n\n[模型性能基准测试](https:\u002F\u002Fgithub.com\u002Fhuggingface\u002Fpytorch-image-models\u002Ftree\u002Fmain\u002Fresults)可通过比较以下指标帮助您选择最合适的模型：\n- 推理速度\n- 训练效率\n- 不同数据集上的准确率\n- 参数量与性能之间的权衡\n\n> 有关详细的基准测试结果，请参阅[@huggingface\u002Fpytorch-image-models#1933](https:\u002F\u002Fgithub.com\u002Fhuggingface\u002Fpytorch-image-models\u002Fissues\u002F1933)\n\n## 引用 \n\u003Cspan id='citation'\u002F>\n如果您发现**Doraemon**对您的研究或开发有所帮助，请引用以下\u003Ca href=\"https:\u002F\u002Farxiv.org\u002Fabs\u002F2511.04394\" target=\"_blank\">论文\u003C\u002Fa>：\n\n```\n@misc{du2025visual,\n      title={DORAEMON: A Unified Library for Visual Object Modeling and Representation Learning at Scale}, \n      author={Ke Du and Yimin Peng and Chao Gao and Fan Zhou and Siqiao Xue},\n      year={2025},\n      journal={arXiv preprint arXiv:2511.04394},\n      url={https:\u002F\u002Farxiv.org\u002Fabs\u002F2511.04394}, \n}\n```","# Doraemon 快速上手指南\n\nDoraemon (Deep Object Recognition And Embedding Model Of Networks) 是一个统一的视觉对象建模与表示学习库，支持图像分类、人脸识别和内容图像检索等任务。它集成了 Timm 的 1000+ 模型，并提供丰富的优化算法、数据增强及可视化工具。\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**: 3.10 或更高\n*   **PyTorch 版本**: 2.0+\n*   **核心依赖**:\n    *   `torchmetrics` >= 0.11.4\n    *   `timm` >= 0.9.16\n    *   `opencv-python` >= 4.7.0\n\n> **提示**：国内用户建议在安装依赖时配置清华或阿里镜像源以加速下载。\n\n## 安装步骤\n\n推荐使用虚拟环境进行隔离安装。\n\n1.  **创建并激活虚拟环境**\n    ```bash\n    python -m venv doraemon\n    # Linux\u002FmacOS\n    source doraemon\u002Fbin\u002Factivate\n    # Windows\n    doraemon\\Scripts\\activate\n    ```\n\n2.  **安装 Doraemon**\n    \n    直接通过 pip 安装稳定版：\n    ```bash\n    pip install doraemon-torch\n    ```\n\n    或者，如果您需要修改源码进行开发，可克隆仓库后以可编辑模式安装：\n    ```bash\n    git clone https:\u002F\u002Fgithub.com\u002Fwuji3\u002FDoraemon.git\n    cd Doraemon\n    pip install -e .\n    ```\n\n## 基本使用\n\nDoraemon 的设计旨在简化部署与推理流程。以下是两种最常用的快速启动方式。\n\n### 1. 本地单文件推理\n只需一个权重文件 (`*.pt`) 即可进行高性能本地推理。\n\n```python\nfrom doraemon import AutoModel, AutoProcessor\n\n# 加载预训练模型和处理器\nmodel = AutoModel.from_pretrained(\"path\u002Fto\u002Fyour\u002Fmodel.pt\")\nprocessor = AutoProcessor.from_pretrained(\"path\u002Fto\u002Fyour\u002Fmodel.pt\")\n\n# 准备图像数据 (假设 image 为 PIL Image 或 numpy array)\ninputs = processor(image)\n\n# 执行推理\noutputs = model(inputs)\npredictions = outputs.softmax(dim=1)\n```\n\n### 2. Hugging Face 生态集成\nDoraemon 完美兼容 Hugging Face `transformers` 风格接口，可直接加载托管在 HF 上的模型。\n\n```python\nfrom transformers import AutoModel, AutoProcessor\n\n# 直接从 Hugging Face Hub 加载\nmodel = AutoModel.from_pretrained(\"wuji3\u002Fdoraemon-resnet50\")\nprocessor = AutoProcessor.from_pretrained(\"wuji3\u002Fdoraemon-resnet50\")\n\n# 后续推理步骤同上\n```\n\n### 进阶任务指引\n针对不同任务，Doraemon 提供了详细的文档支持：\n*   **图像分类**: 参考 `doraemon\u002Fmodels\u002Fclassifier\u002FREADME.md`\n*   **图像检索 (CBIR)**: 参考 `doraemon\u002Fmodels\u002Frepresentation\u002FREADME_CBIR.md`\n*   **人脸识别**: 支持 ArcFace, CircleLoss 等损失函数，基于 MS-Celeb-1M-v1c 数据集验证。","某电商初创团队正急需构建一个既能精准识别商品类别，又能支持“以图搜图”功能的智能导购系统。\n\n### 没有 Doraemon 时\n- **开发周期漫长**：工程师需手动拼凑分类、人脸识别和检索的代码框架，重复造轮子导致项目启动缓慢。\n- **长尾商品识别率低**：对于样本稀少的冷门商品，缺乏针对性的数据增强策略，模型极易过拟合，识别准确率不足 70%。\n- **调优黑盒难排查**：当模型预测错误时，缺乏可视化工具定位问题根源，只能盲目调整超参数，效率极低。\n- **部署门槛高**：训练好的模型难以直接转化为生产环境可用的 API，适配 HuggingFace 生态需要大量额外编码工作。\n\n### 使用 Doraemon 后\n- **一站式快速落地**：直接调用 Doraemon 内置的图像分类与检索完整流水线，将原本数周的环境搭建与基线构建时间缩短至几天。\n- **小众商品精准命中**：利用其特有的“类别专属数据增强”功能，针对稀缺商品自动应用 Copy-Paste 等策略，显著提升了长尾商品的识别精度。\n- **决策过程透明化**：通过集成的 GradCAM 可视化组件，直观看到模型关注区域，快速发现并修正了背景干扰导致的误判问题。\n- **无缝生产部署**：凭借对 HuggingFace 的原生支持，仅需一行代码即可加载预训练权重并发布为本地高性能推理服务，极大降低了运维成本。\n\nDoraemon 通过提供从算法优化到可视化调试的全链路能力，让团队能以最低成本构建出高鲁棒性的视觉识别系统。","https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Fwuji3_Doraemon_fcadb140.jpg","wuji3","https:\u002F\u002Foss.gittoolsai.com\u002Favatars\u002Fwuji3_18412910.jpg",null,"shanghai","dk812821001@163.com","https:\u002F\u002Fgithub.com\u002Fwuji3",[79],{"name":80,"color":81,"percentage":82},"Python","#3572A5",100,582,60,"2026-04-08T08:49:01","GPL-3.0","未说明","未明确说明具体型号和显存，但基于 PyTorch 2.0+ 及大规模视觉模型训练\u002F推理特性，建议使用支持 CUDA 的 NVIDIA GPU",{"notes":90,"python":91,"dependencies":92},"项目名为 Doraemon (Deep Object Recognition And Embedding Model Of Networks)，可通过 pip install doraemon-torch 安装。支持通过 Timm 集成 1000+ 种预训练模型（如 CLIP, SigLIP, DeiT 等）。提供本地 API 推理及 HuggingFace 无缝集成部署方案。涵盖图像分类、图像检索和人脸识别等任务，内置多种优化算法、数据增强及可视化工具（如 GradCAM）。","3.10",[93,94,95,96],"torch>=2.0","torchmetrics==0.11.4","timm==0.9.16","opencv-python==4.7.0",[15,98,14],"其他",[100,101,102,103,104,105,106],"deep-learning","image-classification","face-recognition","machine","pytorch","representation-learning","image-retrieval","2026-03-27T02:49:30.150509","2026-04-19T06:02:08.387244",[110],{"id":111,"question_zh":112,"answer_zh":113,"source_url":114},41746,"仓库是否支持使用私有模型或自定义模型？","目前仓库尚未实现自定义模型的注册功能。如果您想使用自己的模型，需要自行实现：请在 utils\u002Fgeneral.py 文件中找到 SmartModel 类的 create_model 方法，并在此处编写您的函数接口。自定义模型的功能计划在未来推出，敬请期待。","https:\u002F\u002Fgithub.com\u002Fwuji3\u002FDoraemon\u002Fissues\u002F1",[116],{"id":117,"version":118,"summary_zh":119,"released_at":120},333805,"v0.1.0","当前版本支持图像检索和图像分类，但人脸识别的数据部分仍未就绪。","2025-03-19T07:17:34"]