主要做计算机视觉和边缘部署，也喜欢写算法题和做一些C++ Qt桌面工具。
关注模型从实验环境走到实际设备的过程：数据是否可靠、指标如何比较、推理延迟花在哪里，以及模型接进应用之后能不能稳定工作。
这个 GitHub 放着视觉实验、桌面工具和一些沿途写下的记录。可以从下面三个项目开始逛。
让机器人找到足球，也学会在没有球的时候别乱报。
球场给检测模型出的题不少：目标小、遮挡多、运动时画面模糊，还要在边缘设备上及时给出结果。模型能找到多少球、会认错多少次、跑一帧需要多久，这些问题需要一起看。
这个仓库记录了围绕机器人足球视觉的一系列工作：
- 用 C++ / Qt 工具审核数据，检查标注与样本。
- 基于 Ultralytics YOLO 开展微调、蒸馏与对照实验。
- 使用统一评估流程，观察召回、误报和不同场景下的表现。
- 在 Jetson Orin NX 上尝试 TensorRT 推理，测量实际部署中的性能。
实验里有效的结果和没起作用的尝试都保留下来。E08 对照尚未正式训练，已有结果的比较条件与局限也写在文档中。
Python · YOLO · TensorRT · CUDA · Jetson Orin NX
给视觉模型一个桌面工作台。
加载模型、预览检测、比较评估结果、选择阈值，再查看模型结构或转换格式，把这些操作放进同一个应用里。
模型之外，这个项目也关心桌面软件里的具体问题：
- 推理进行时，界面怎样保持响应？
- 用户取消任务之后，已经在路上的结果该怎么处理？
- 输入速度超过处理速度时，结果如何交付？
- 关闭窗口时，线程和本地服务怎样妥善退出？
按钮上只有两个字的“取消”，实现起来往往不止两行。
推理与模型能力复用 OpenCV DNN、ONNX Runtime、PyTorch / Ultralytics 等组件；仓库中的工作主要围绕桌面交互、任务协调、评估流程和应用集成展开。
C++17 · Qt 6.8 · ONNX Runtime · OpenCV
从播放一首歌开始，处理好一个桌面应用的日常。
一个基于 Qt 的音乐播放器，包含本地播放、同步歌词、播放列表，以及可选的云音乐搜索与登录功能。
播放控制、歌词解析和列表持久化由 C++ / Qt 客户端处理，云接口通过 Python 本地服务接入。项目也涉及不少容易被忽略的小事：拖动进度后歌词能否跟上、重启后列表是否还在、后端请求失败时界面如何回应。
C++17 · Qt Widgets / Multimedia · Python · FastAPI
- 视觉模型评估：理解指标背后的样本、阈值和使用场景。
- 边缘推理优化：关注延迟、吞吐、资源占用，以及完整处理流程的开销。
- C++ 应用集成：把推理能力接进交互清晰、运行稳定的工具。
- 可复现的工程实践：让下一次实验，以及下一位读代码的人，都更容易接着往下做。
欢迎围绕这些方向交流，也欢迎在项目里留下具体问题。
几个适合等编译时想的问题：
- 进度条从 99% 走到 100%，为什么总像一段独立的人生？
- 文件叫
final_v3_really_final时，下一版应该叫什么？ - 如果机器人踢出了界外球，它会认为是自己的问题，还是球场太小？
这里还有一位临时访客 🐈
/\_/\
( o.o ) 正在观察光标。
> ^ <
它暂时没有提交代码，但已经占据了 README 的一部分。
技术细节与验证
以下保留 2026-11-03 核查时的源码、结果和验证记录，链接固定到当时的提交；最新进展见各项目仓库。
Vision Studio
Vision Studio · 本地视觉模型工作台
界面截图与来源 · Linux 发布与下载 · Windows 发布与下载
验证入口： 已通过的主线 CI · CI 覆盖范围 · 2.10.1 发布验收记录
SoccerVision-Lab
SoccerVision-Lab · 机器人足球视觉实验
核心源码： 数据审核与存储 · 统一评估入口 · E08 对照编排
验证入口： E08 已归档的工程验证 · 复现前提与命令 · 证据缺口
MusicPlayer
MusicPlayer · 桌面音乐播放器
GitHub 活动统计
