awesome-robotics 是一个学习资料,用于系统学习与查阅。
A curated list of awesome links and software libraries that are useful for robots.
microsoft
Visual Studio Code 编辑器源码,微软开源的跨平台代码编辑器。目前累计 19.4 万 star、4.5 万 fork,在本地项目库中星标排名约第 36 / 65707,主要语言为 TypeScript,项目始于 2015 年,采用 MIT 许可。最近状态:本周仍有提交。
适合谁:推荐给写代码与文档的人:涉及 editor、electron、microsoft、typescript 方向。
按累计星标排序,库内共 65,707 个项目(GitHub 上星标 ≥ 1k 的公开仓库约 65,980 个)。
优先使用本地记录的星标快照计算近 7 天真实增量;快照不足 7 天时,按「创建以来日均获星」估算,数值旁会标注口径。
已收录 GitHub 星标过千的公开项目,附原始简介、语言、主题与活跃度。用一句自然语言描述需求,即可获得 AI 推荐。
awesome-robotics 是一个学习资料,用于系统学习与查阅。
A curated list of awesome links and software libraries that are useful for robots.
ANTs 是用 C++ 编写的多媒体工具,用于处理音视频内容。
Advanced Normalization Tools (ANTs)
LovaszSoftmax 是用 Jupyter Notebook 编写的 AI 工具,用于人工智能方向的建模与推理。
Code for the Lovász-Softmax loss (CVPR 2018)
MedSegDiff 是用 Python 编写的 AI 工具,用于人工智能方向的建模与推理。
Using Diffusion Models to Segment/Reconstruct Organs from Medical Images [AAAI Most influential Paper]
geti 是用 Python 编写的 AI 工具,用于人工智能方向的建模与推理,主打开源免费。
Build, train, optimize, and run computer vision models locally, from raw images to live inference. Open source, optimized for Intel XPU (CPU-only an…
PixelLib 是用 Python 编写的 AI 工具,用于人工智能方向的建模与推理。
Visit PixelLib's official documentation https://pixellib.readthedocs.io/en/latest/
TernausNet 是用 Python 编写的 AI 模型,提供可直接使用的模型与权重。
UNet model with VGG11 encoder pre-trained on Kaggle Carvana dataset
pytorch-nested-unet 是用 Python 编写的开源项目,主题标签有限,建议打开仓库查看具体用途。
PyTorch implementation of UNet++ (Nested U-Net).
Entity 是用 Jupyter Notebook 编写的 AI 工具,用于人工智能方向的建模与推理。
EntitySeg Toolbox: Towards Open-World and High-Quality Image Segmentation
AI_Sudoku 是用 Python 编写的多媒体工具,用于处理音视频内容。
GUI based Smart Sudoku Solver that tries to extract a sudoku puzzle from a photo and solve it
Efficient-Segmentation-Networks 是用 Python 编写的 AI 工具,用于人工智能方向的建模与推理,主打速度快、轻量、实时。
Lightweight models for real-time semantic segmentationon PyTorch (include SQNet, LinkNet, SegNet, UNet, ENet, ERFNet, EDANet, ESPNet, ESPNetv2, LEDN…
项目列表来自 GitHub 官方 Search API(stars:>1000)。单个查询最多只能返回前 1000 条,所以「同步热门」取到的是星标最高的 1000 个;要拿全量必须按星标区间拆成多个查询——本站会先查各区间的真实数量再自动切分(1k–2k 约 3.2 万个,2k–5k 约 2.1 万个,5k–20k 约 1 万个,2 万以上约 2300 个)。GitHub 上星标过千的公开仓库当前约 65,980 个,本站已收录 65,707 个。星标、简介、语言与主题均为 GitHub 原始字段,未做人工逐一核验。
中文介绍分三种来源,卡片与详情页均有标注:热门项目使用本站人工维护的条目;其余项目由程序依据语言、主题、简介中的特征词与项目数据自动生成;仓库原简介本身是中文时直接引用原文。自动生成的介绍只是对公开字段的归纳,不代表项目方表述,也不构成选型结论。
每日推荐按北京时间每天从星标 6000 以上、近 18 个月仍有提交且未归档的项目中选取,排除近 120 天已推荐过的项目,同一天内结果固定。推荐结果由规则引擎(或配置的大模型)生成,不构成选型结论。
每天每台设备可免费检索 3 次,浏览、筛选和关键词查找不消耗额度。选择下方任一方案即可继续(当前为模拟支付)。
模拟支付不会接入真实渠道,也不会产生任何扣款。