RRepoGEO

REPOGEO 报告 · LITE

rbgirshick/rcnn

默认分支 master · commit 43b0334e · 扫描时间 2026/5/10 22:26:40

星标 2,416 · Fork 976

AI 可见性总分
35 /100
亟需修复
品类召回
0 / 2
在所有问题中均未被推荐
规则结果
通过 1 · 警告 1 · 失败 0
客观元数据检查
AI 认识你的名字
3 / 3
直接询问时,AI 是否点名你的仓库
如何阅读这份报告

行动计划告诉你下一步要做什么——按影响力排序、可直接复制粘贴的修改。品类可见性是真正的 GEO 测试:当用户向 AI 提一个不带品牌、本应让 rbgirshick/rcnn 浮出水面的问题时,AI 是真的推荐了你,还是推荐了你的竞品?客观检查验证 AI 引擎最先权衡的那些元数据信号。自指检查判断 AI 是否还认识你的名字。

行动计划 — 可复制粘贴的修复

2 条由 gemini-2.5-flash 生成、按优先级排序的修改。修完后请把对应条目标记为完成。

整体方向
  • highreadme#1
    Emphasize R-CNN's foundational role in the README introduction

    原因:

    当前
    ### This code base is no longer maintained and exists as a historical artifact to supplement our CVPR and PAMI papers on Region-based Convolutional Neural Netwoks. For more recent work that's faster and more accurrate, please see Fast and Faster R-CNN.
    复制粘贴的修复
    ### This code base is a foundational implementation of Region-based Convolutional Neural Networks (R-CNN), a landmark deep learning approach for object detection. It is no longer maintained and exists as a historical artifact to supplement our CVPR and PAMI papers. For more recent, faster, and more accurate work, please see Fast and Faster R-CNN.
  • mediumhomepage#2
    Add a homepage link to the original research paper

    原因:

    复制粘贴的修复
    https://www.cv-foundation.org/openaccess/content_cvpr_2014/papers/Girshick_Rich_Feature_Hierarchies_2014_CVPR_paper.pdf

本次扫描解析到的品类 GEO 通道:google/gemini-2.5-flash, deepseek/deepseek-v4-flash

品类可见性 — 真正的 GEO 测试

向 google/gemini-2.5-flash 提出的不带品牌问题。AI 推荐了你,还是推荐了别人?

各模型使用同一组问题 — 切换标签对比回答与排名。

召回
0 / 2
0% 的问题里出现了 rbgirshick/rcnn
平均排名
越小越好。#1 表示首位推荐。
声量占比
0%
在所有被点名的工具中,你占了多少?
头号对手
Faster R-CNN
在 2 个问题中被推荐 2 次
竞品排行
  1. Faster R-CNN · 被推荐 2 次
  2. Mask R-CNN · 被推荐 2 次
  3. YOLO · 被推荐 1 次
  4. YOLOv3 · 被推荐 1 次
  5. YOLOv4 · 被推荐 1 次
  • 品类问题
    What are classic deep learning approaches for object detection in images?
    你:未被推荐
    AI 推荐顺序:
    1. YOLO
    2. YOLOv3
    3. YOLOv4
    4. YOLOv5
    5. YOLOv7
    6. YOLOv8
    7. Faster R-CNN
    8. R-CNN
    9. Fast R-CNN
    10. SSD
    11. RetinaNet
    12. Mask R-CNN

    AI 推荐了 12 个替代方案,却始终没点名 rbgirshick/rcnn。这就是要补上的差距。

    查看 AI 完整回答
  • 品类问题
    Which region-proposal based neural network architectures are best for visual object recognition?
    你:未被推荐
    AI 推荐顺序:
    1. Cascade R-CNN
    2. Faster R-CNN
    3. Mask R-CNN
    4. Libra R-CNN
    5. Feature Pyramid Network (FPN)
    6. R-CNN (Regions with Convolutional Neural Networks)

    AI 推荐了 6 个替代方案,却始终没点名 rbgirshick/rcnn。这就是要补上的差距。

    查看 AI 完整回答

客观检查

针对 AI 引擎最看重的元数据信号的规则审计。

  • Metadata completeness
    warn

    建议:

  • README presence
    pass

自指检查

当被直接问到你时,AI 是否还知道你的仓库存在?

  • Compared to common alternatives in this category, what is the core differentiator of rbgirshick/rcnn?
    pass
    AI 明确点名了 rbgirshick/rcnn

    AI 的回答可能信誓旦旦却是错的。请按事实核对:技术栈、目标人群、差异化点是不是和你实际的对得上?

  • If a team adopts rbgirshick/rcnn in production, what risks or prerequisites should they evaluate first?
    pass
    AI 明确点名了 rbgirshick/rcnn

    AI 的回答可能信誓旦旦却是错的。请按事实核对:技术栈、目标人群、差异化点是不是和你实际的对得上?

  • In one sentence, what problem does the repo rbgirshick/rcnn solve, and who is the primary audience?
    pass
    AI 明确点名了 rbgirshick/rcnn

    AI 的回答可能信誓旦旦却是错的。请按事实核对:技术栈、目标人群、差异化点是不是和你实际的对得上?

嵌入你的 GEO 徽章

把这个徽章贴进 rbgirshick/rcnn 的 README。每次重新扫描都会自动更新,并跳到最新报告——是「我在乎 AI 可发现性」最简单的公开证明。

RepoGEO badge preview实时预览
MARKDOWN(README)
[![RepoGEO](https://repogeo.com/badge/rbgirshick/rcnn.svg)](https://repogeo.com/zh/r/rbgirshick/rcnn)
HTML
<a href="https://repogeo.com/zh/r/rbgirshick/rcnn"><img src="https://repogeo.com/badge/rbgirshick/rcnn.svg" alt="RepoGEO" /></a>
Pro

订阅 Pro,解锁深度诊断

rbgirshick/rcnn — 轻量扫描仍免费;本卡列出 Pro 相对轻量的深度额度。

  • 深度报告每月 10 次
  • 无品牌品类查询5,轻量 2
  • 优先行动项8,轻量 3
rbgirshick/rcnn — RepoGEO 报告