砍刀 DarkKandaoMaster

仓库：github.com/DarkKandaoMaster/castcount ｜ 技术栈：Python、YOLOv8、ONNX Runtime、OpenCV、FFmpeg、CCIP

项目简介：该项目用于辅助从动漫视频中筛选人脸集中出现的片段，减少人工逐段观看和定位的时间。程序输入原视频后，会输出符合条件的视频片段，以及轨迹信息、角色聚类结果、代表人脸裁剪图等便于检查的中间结果。

• 使用 YOLOv8、ONNX Runtime 进行动漫人脸检测，并根据检测置信度、人脸尺寸和拉普拉斯方差过滤低质量结果，减少远景、模糊帧和误检对后续统计的影响。
• 使用相邻帧 IoU 贪心匹配将检测框串成人脸轨迹；同时通过 HSV 直方图相关性判断镜头切换，并在切镜位置断开轨迹，降低跨镜头错误关联的情况。
• 为每条轨迹选择置信度×清晰度最高的代表帧人脸裁剪图，使用 CCIP 提取角色相似度特征，基于两两差异矩阵做 complete-linkage 层次聚类为轨迹赋予角色身份；采用簇内任意两张裁剪图差异都需达标、不做传递合并的策略，避免差异链把全片轨迹塌缩为单一角色。
• 使用 15 秒滑动窗口统计与窗口时间区间相交的不同角色数量，同一角色的多条轨迹只计一次，达到阈值即判为合格片段，并跳过已选区间保证片段互不重叠。
• 使用 FFmpeg 根据筛选出的时间段从原视频中截取片段，并保存检测结果、轨迹信息、角色聚类结果、代表人脸裁剪图。
• 以统一的 Detection 数据结构连接检测、过滤、跟踪、选段和截取流程；通过抽象基类、注册表和装饰器实现检测器可替换，并为 IoU、跟踪断轨、角色聚类和滑窗选段等核心纯逻辑补充 pytest 单元测试。

仓库：github.com/DarkKandaoMaster/OmicsInferenceDeck ｜ 技术栈：Python、FastAPI、Pandas、scikit-learn、R、Vue 3、Nuxt 4、TypeScript、Tailwind CSS

项目简介：面向多组学癌症分型研究中“算法复现、指标计算和论文图表绘制流程分散”的问题，将常用分析步骤整理为浏览器端工作流，便于统一运行、比较和导出结果。

• 使用 FastAPI、Uvicorn 构建 REST 后端，按数据接入、算法运行、指标评估、生存分析、差异表达、功能富集、绘图与会话清理拆分路由；通过 Pydantic 校验请求参数，使用 Pandas、NumPy、SciPy、scikit-learn 完成数据处理、降维聚类与统计计算。
• 设计 Python/R 协同计算流程：Python 负责任务编排、数据校验和接口封装，通过 subprocess 调用 R 侧算法及生物统计工具；使用 Parquet 传递中间数据，并统一算法输入、参数和结果格式。
• 以浏览器生成的 UUID 区分用户会话，将上传数据、中间结果与导出文件按会话目录管理，并设置过期目录清理。
• 使用 Vue 3、Nuxt 4、TypeScript 构建分析工作台，以 Axios 封装接口通信，并通过 Composables 拆分会话、运行控制、数据状态及差异分析等业务状态；用户可完成文件上传、参数配置、运行反馈、结果预览和图表导出。
• 支持 PIntMF、NEMO、SNF 等 7 种聚类方法；支持聚类内部指标、临床指标、生物学指标、综合得分等 15 种指标计算；支持聚类散点图、生存曲线、差异火山图等 15 种图表生成；图表可导出 PNG、SVG、PDF。