Select Page

LaneSOD 教學:用 InSPyReNet 架構完成車道線分割!

LaneSOD 是一套基於 InSPyReNet(逆向顯著性金字塔重建網路)而延伸出的開源模型,專門針對車道線分割(Lane Segmentation),應用於駕駛場景的 AI 視覺處理中。透過強大的顯著性檢測技術,LaneSOD 能精準辨識道路上的車道線,具備高準確度與可用性。


一、什麼是 LaneSOD?

  • 核心技術:LaneSOD 架構於 InSPyReNet,後者是一種高解析度顯著性物件偵測模型,於 ACCV 2022 上提出,專門處理高解析度圖片的顯著性檢測,使用金字塔結構融合多階層特徵提高精度。
  • 執行場景:LaneSOD 適用於駕駛視角的車道識別,尤其在多車道或複雜光線下仍能穩定運作,是自駕輔助或智慧交通系統的理想工具。

二、快速上手:使用 LaneSOD 的流程概覽

以下以 Python + PyTorch 環境為基礎,簡述流程步驟:

安裝依賴與下載模型:

git clone https://github.com/plemeri/LaneSOD.git
cd LaneSOD
pip install -r requirements.txt

    資料準備與推論:

    from lanesod import LaneSODModel
    model = LaneSODModel(pretrained=True)
    # 載入測試影像
    img = load_image("road_scene.jpg")
    mask = model.predict(img)
    save_image_mask("road_scene_mask.png", mask)

    mask 是二值化輸出,車道線處為前景。

    可進行後處理(edge filtering)提升視覺辨識效果。

    三、LaneSOD 的特色亮點

    • 高解析度精準分割:繼承 InSPyReNet 的頂尖顯著性分析能力,即使複雜場景仍保持高精度。
    • 簡易套件整合:支援 CLI 和 Python API,開發者可快速整合至專案。
    • 應用靈活性高:適用於單張圖片、影片逐幀處理或即時影像分析。
    • MIT 開源授權:自由使用並可擴展至商業應用。

    四、實戰建議

    • 強調後處理:可搭配 OpenCV 做 morphological operations(如 dilation, erosion)強化車道線連貫性。
    • 影片整合:巡迴處理影片每幀、並套用 temporal smoothing,可提升邊界一致性與視覺效果。
    • 多元測試場景:建議在白天、夜晚、陰影等多樣環境下測試模型穩定性。

    原始資料

    https://github.com/plemeri/LaneSOD

    Python 快速實戰:transparent-background AI 去背工具支援 webcam 使用指南

    如何輕鬆地運用 AI 技術,讓影片或直播畫面擁有透明背景,無需繁鎖編輯與圖層操作!今天分享的工具是使用 InSPyReNet 提供的開源套件

    工具簡介:什麼是 transparent-background[webcam]

    • 核心技術:基於 InSPyReNet(ACCV 2022)所提出的 AI 去背演算法,支援圖片、影片甚至 webcam 的背景移除功能 。
    • Python 套件:名稱為 transparent-background,採 MIT 授權,可自由商業使用。
    • 強大特色
      • 支援多種輸出模式:如 RGBA(透明背景)、saliency map、綠幕、背景模糊、overlay 等。
      • 支援 webcam 輸入,但 Linux 上需安裝 v4l2loopback 才能建立虛擬攝影機

    安裝與依賴設定(含 webcam 支援)

    安裝套件

    pip install transparent-background[webcam]

    若使用 Linux,請安裝 webcam relay

    git clone https://github.com/umlaeute/v4l2loopback.git && cd v4l2loopback
    make && sudo make install
    sudo depmod -a
    sudo modprobe v4l2loopback devices=1
    

    CLI 快速範例

    transparent-background --source 0 --dest output_folder --type rgba

    參數說明:

    • --source 0 表示 webcam 輸入(一般第一支 webcam 為 0)。
    • --type rgba 代表輸出為帶 alpha 通道的透明背景影像。
      可依需求更換為 mapgreenbluroverlay 或指定背景圖

    用於單一影片檔案

    Python API 範例:

    讀取 webcam 並顯示去背畫面

    import cv2
    from transparent_background import Remover
    
    remover = Remover()
    
    cap = cv2.VideoCapture(0)  # 開啟預設 webcam
    
    while True:
        ret, frame = cap.read()
        if not ret:
            break
    
        # 處理去背結果(RGBA)
        out = remover.process(frame, type="rgba")  
        cv2.imshow("Transparent Webcam", out)
    
        if cv2.waitKey(1) & 0xFF == ord('q'):
            break
    
    cap.release()
    cv2.destroyAllWindows()
    

    📖 transparent-background 參數說明

    --source [SOURCE](必填)

    指定輸入的資料來源,可以是:

    • 單張圖片:例如 image.png
    • 圖片資料夾:例如 path/to/img/folder
    • 單個影片檔:例如 video.mp4
    • 影片資料夾:例如 path/to/vid/folder
    • 整數:用於指定 webcam 地址,例如 0(對應 /dev/video0 的攝影機)

    --dest [DEST](可選)

    輸出結果存放的資料夾,若未指定,則預設為當前工作目錄


    --threshold [THRESHOLD](可選)

    設定硬性去背的閾值,範圍為 0.0 ~ 1.0

    • 不建議與 soft prediction 同時使用,若未設定,系統會使用「軟性預測」來生成更自然的透明效果。

    --type [TYPE](可選)

    選擇輸出的背景類型,預設為 rgba

    • rgba:輸出帶透明通道的影像(alpha map),若未設定 threshold,會自動透過 pymatting 進行前景提取。⚠️ 此模式不適用於影片或 webcam
    • map:輸出純粹的 saliency map(灰階遮罩)。
    • green:將背景換成綠幕。
    • white:將背景換成純白色(由 [carpedm20] 貢獻)。
    • ‘[255, 0, 0]’:使用指定的 RGB 顏色作為背景(需加單引號)。
    • blur:將背景模糊處理。
    • overlay:以半透明綠色覆蓋前景並突顯邊緣。
    • 另一張圖片:可指定圖片路徑(例如 samples/background.png),前景會直接疊加在該背景上。

    --ckpt [CKPT](可選)

    使用其他模型檔(checkpoint)。

    • 預設會自動下載訓練好的 composite dataset 模型
    • 你也可以從 InSPyReNet Model Zoo 選擇不同的預訓練模型。

    --mode [MODE](可選)

    指定運行模式:

    • base:標準模式。
    • base-nightly:使用 nightly release 版本的 checkpoint。
    • fast:快速模式,速度快但可能在細節上略有損失。

    其他選項

    • --resize [RESIZE](可選):
      • static(預設):輸出尺寸固定。
      • dynamic:生成更清晰的邊緣,但可能不穩定。
    • --format [FORMAT](可選):輸出格式,若未指定,會與輸入格式相同。
    • --reverse(可選):反轉去背結果,將前景移除、保留背景(官方玩笑稱為「transparent-foreground」模式 😆)。
    • --jit(可選):啟用 TorchScript 模式,會先透過 PyTorch JIT 編譯器追蹤模型,初始化較慢,但推論速度更快且記憶體佔用更低。

    範例

    單張圖片去背(輸出透明 PNG):

    transparent-background --source input.png --dest output --type rgba

    處理整個資料夾的圖片,並輸出模糊背景效果

    transparent-background --source ./images --dest ./results --type blur

    即時 webcam 去背(Linux 需安裝 v4l2loopback):

    transparent-background --source 0 --dest ./webcam_output --type green

    更換背景為自訂圖片

    transparent-background --source video.mp4 --dest ./output --type 'backgrounds/bg.png'

    GUI 模式

    安裝 GUI 支援

    pip install --extra-index-url https://download.pytorch.org/whl/cu118 transparent-background[gui] # with gui dependency (flet)

    開啟 GUI

    transparent-background-gui

    官方教學

    官方網頁

    https://github.com/plemeri/transparent-background

    採用的演算法

    https://github.com/plemeri/InSPyReNet

    開源的後製影片軟體

    https://kdenlive.org

    參考資料

    Stagehand 教學|AI 驅動的瀏覽器自動化神器,TypeScript 與 Python 都支援!

    想用 AI 控制網頁自動化,但程式碼又要精準可靠,同時享受自然語言,高效又方便?那你絕不能錯過由 Browserbase 團隊推出的 Stagehand —— 這款專為 AI 時代設計的瀏覽器自動化框架,不僅支援 TypeScript 與 Python、可本地或雲端部署,還比 Browser‑Use 更快、更耐變動!

    Stagehand 兼具控制力與智慧的 AI 瀏覽器自動化框架

    Stagehand 是以 Playwright 為核心構建的 AI-native 自動化工具,它加入了 LLM 判斷能力,結合程式精準控制與自然語言指令,令自動化腳本更穩定、更智慧也更高效

    • 自然語言 + 程式碼混合操作:你可以用程式寫明確動作,也能用「act(‘點擊第一個 Stagehand 元件’)」這樣類人語法完成UI操作 。
    • 接口完整,支援察看、執行與資料萃取:核心三大命令 actobserveextract,讓操作更透明、更可控
    • 容錯與自恢復能力:UI 略有變動也不怕,Stagehand 的 observe + 快取策略讓腳本更具彈性
    • 完美整合 Playwright:所有 Playwright 腳本都能無縫升級 Stagehand,省心又高效

    核心玩法!TypeScript/JavaScript 快速上手範例

    // Use Playwright functions on the page object
    const page = stagehand.page;
    await page.goto("https://github.com/browserbase");
    
    // Use act() to execute individual actions
    await page.act("click on the stagehand repo");
    
    // Use Computer Use agents for larger actions
    const agent = stagehand.agent({
        provider: "openai",
        model: "computer-use-preview",
    });
    await agent.execute("Get to the latest PR");
    
    // Use extract() to read data from the page
    const { author, title } = await page.extract({
      instruction: "extract the author and title of the PR",
      schema: z.object({
        author: z.string().describe("The username of the PR author"),
        title: z.string().describe("The title of the PR"),
      }),
    });

    這段程式完整示範了初始化、導航、AI 驅動操作到資料萃取的流程,不僅省事,也大幅提升開發效率。

    Stagehand 與 Browser-Use 比較

    功能面Stagehand(此文主角)Browser-Use
    控制精準度Token 級動作掌控 + 自然語言指令混合攻擊角度偏自然語言,程式控制較弱
    容錯能力observe + 快取策略,對 DOM 變化更耐受缺少自恢復機制
    雲端支援原生整合 Browserbase,輕鬆雲端部署需額外集成,無預設雲平台支援
    語言支援TypeScript / Python主要依賴 Python
    AI 整合天生結合 LLM,支援複雜任務拆解依賴外部 LLM,不那麼一體化

    只要先學四個指令,快速上手

    指定去那一個網頁

    goto():

        # 初始化
        page = stagehand.page
        # 指定去那一個頁面
        await page.goto("https://rain.tips/")

    使用自然語言操作

    act():

        await page.act("點選確定按鈕");

    抓取數據資料

    extract():

        post = await page.extract("取得標題")

    預覽功能

    observe():

       links = await page.observe("找到頁面中的所有連結")

    實戰快速導覽

    安裝

    # 用 pip
    pip install stagehand python-dotenv
    
    # 安裝playwright
    python -m playwright install
    
    # 裝 chromium 瀏覽器
    python -m playwright install chromium

    建立 .env

    export BROWSERBASE_API_KEY="your_browserbase_api_key"
    export BROWSERBASE_PROJECT_ID="your_browserbase_project_id"
    export MODEL_API_KEY="your_model_api_key"  # OpenAI, Anthropic, etc.

    建立程式碼 main.py

    import asyncio
    import os
    from stagehand import Stagehand, StagehandConfig
    from dotenv import load_dotenv
    
    load_dotenv()
    
    async def main():
        config = StagehandConfig(
            env="BROWSERBASE",
            api_key=os.getenv("BROWSERBASE_API_KEY"),
            project_id=os.getenv("BROWSERBASE_PROJECT_ID"),
            model_name="gpt-4o",
            model_api_key=os.getenv("MODEL_API_KEY")
        )
        
        stagehand = Stagehand(config)
        
        try:
            await stagehand.init()
            page = stagehand.page
            
            await page.goto("https://docs.stagehand.dev/")
            await page.act("click the quickstart link")
            
            result = await page.extract("extract the main heading of the page")
            
            print(f"Extracted: {result}")
            
        finally:
            await stagehand.close()
    
    if __name__ == "__main__":
        asyncio.run(main())

    驗證與測試

    python main.py 

    若要用本地端的瀏覽器的話,可以改成下面的程式碼

    import asyncio
    import os
    from dotenv import load_dotenv
    from stagehand import StagehandConfig, Stagehand
    
    load_dotenv()
    
    async def main():
        # 检查API密钥是否设置
        api_key = os.getenv("OPENAI_API_KEY")
    
        config = StagehandConfig(
            env="LOCAL",  # 本地运行
            # AI模型配置 - 使用环境变量
            model_name="gpt-4o-mini",  # 使用更便宜的模型
            model_api_key=api_key,  # 从环境变量读取
    
            # 本地运行配置
            headless=False,  # 显示浏览器窗口
            verbose=3,  # 详细日志
            debug_dom=True,  # DOM调试
        )
    
        # 使用配置创建Stagehand实例
        stagehand = Stagehand(config)
    
        # 初始化Stagehand(启动浏览器会话)
        await stagehand.init()
    
        # 获取页面对象,用于后续的页面操作
        page = stagehand.page
    
        await page.goto("https://rain.tips/")
    
        # # 使用observe()取得文章的連結
        blog_links = await page.observe("取得文章中的所有連結)
        print(f"✅ Page link: {blog_links}")
    
        await page.act(blog_links[0]) 
        data_post_1 = await page.extract("取得文章的標題和內文")
        print(f"✅ 文章資訊如下: {data_post_1}")
    
    if __name__ == "__main__":
        asyncio.run(main())
    
    

    總結:為什麼 Stagehand 是下一代自動化框架?

    • 語言直覺更自然,人類可理解
    • 對 UI 變化具彈性、不易失效
    • 結合 LLM,自動拆解任務,效率提升數倍
    • 支援本地與雲端,開發與生產環境都得心應手

    Stagehand 正重新定義瀏覽器自動化,不再只是死板指令,而是一場「程式控+AI 智能」的完美結合,無論對開發者或 AI 自動化愛好者,都是一大利器。快一起駕馭它,打造更強、更智慧的自動化流程!

    參考資料

    BrowserBase

    GitHub Stagehand

    Demo

    開發說明文件

    https://www.aivi.fyi/aiagents/introduce-stagehand

    完全免費無限制!使用 OpenAI 開源模型 gpt‑oss 在本地離線運行

    完全免費無限制!使用 OpenAI 開源模型 gpt‑oss 在本地離線運行

    gpt‑oss 教學,可以在 16 GB 筆電上免費使用 OpenAI 的開源 gpt‑oss‑20B / 120B GPT 模型,2025/8/5 OpenAI 終於推出的 gpt‑oss(包括 gpt‑oss‑20B 與 gpt‑oss‑120B)簡直是福音!這些開源模型支持在具備足夠資源的電腦上離線運行,完全不需要存取 OpenAI 伺服器,既保護資料隱私,又零使用量限制。

    GPT‑OSS 模型概覽

    • gpt‑oss‑120B
      1170 億參數的強大模型,在主要推理基準上接近 OpenAI 的 o4‑mini 表現,同時支援 chain-of-thought 規劃,適用於需要高級推理能力的場景。
    • gpt‑oss‑20B
      約 210 億參數,效能與 o3‑mini 相當,卻可在只需 16 GB 記憶體的裝置上運行,是輕量級的最佳選擇。

    兩者皆採用 Mixture-of-Experts 架構(MoE),對每個 token 只啟用一部分參數,有效節省記憶體與運算資源。
    模型授權為 Apache 2.0,開放商業使用、修改與分發。

    為什麼它值得推薦?

    • 真·免費 & 無使用限制:完全無需訂閱、不計費,也無 API 次數限制。
    • 離線運行,資料更安全:不連網執行,所有運算都在本地完成,隱私無虞。
    • 高效能與實用性並重:gpt‑oss‑20B 適合筆電、家庭工作站;gpt‑oss‑120B 則適用於高性能 GPU 主機。

    如何開始在本地使用 GPT‑OSS?

    以下以 Ollama 為例,快速上手流程:

    1. 安裝 Ollama(適用於 Windows / macOS / Linux)。
    2. 使用指令下載模型:ollama pull gpt‑oss:20b
    3. 啟動模型聊天介面:ollama run gpt‑oss:20b
    4. 要完全離線,也可在 Ollama 設定中啟用「飛航模式」。
    ollama pull gpt‑oss:20b   # 適合 16 GB 裝置
    ollama pull gpt‑oss:120b  # 適用於 GPU ≥ 60 GB 設備
    

    對部分硬體較低端的使用者,也可透過像 llama.cpp 加上 GGUF 精簡版模型運行,建議至少 14 GB 記憶體以獲得流暢回應。

    歸納總結

    模型版本適用裝置模型特性
    gpt‑oss‑20B筆電 / Mac 開發者約 210 億參數、效能近 o3‑mini
    gpt‑oss‑120B高階工作站 / GPU 主機約 1170 億參數、推理接近 o4‑mini

    兩者皆具備開源特性,可離線運行、免費使用、無使用量限制,非常適合自主部署與隱私需求高的專案。此外,也可透過 Hugging Face、Azure、AWS 等多平台取得模型。

    同場加映

    1. 可以用於 mac mini 建議用 oss-120B 放在 MAC 128G 共同記憶體以上的機器,可以有每秒 40 token
    2. 不想買機器的,可以先用 openrouter 或是 Groq
    3. 內建有 BrowserUse,Python,MCP
    4. 可以控制推理強度
    5. MoE混合推理模型
    6. 支援企業級應用 vLLMSGLang
    7. 可以用於 Agent,微調
    8. 原生支援MXFP4,ollama等無須轉換

    參考資料

    https://github.com/openai/gpt-oss