首页
›
实战100例
›
030-工业视觉检测与手眼标定实战
›
《工业缺陷检测模型移植实战100例》
VIP16
本课程属于：030-工业视觉检测与手眼标定实战
实战100例 · 共 16 门相关课程，组合学习更完整。
查看所属VIP全部课程 →
← 返回所属目录
咨询 / 购买
《工业缺陷检测模型移植实战100例》
共 100 例
01
基于ResNet18的钢材表面缺陷分类模型移植
02
YOLOv5模型移植到TensorRT进行实时缺陷检测
03
使用OpenVINO加速工业零件缺陷检测模型
04
TFLite模型在嵌入式设备上的缺陷分类移植
05
Core ML模型移植到iOS进行表面缺陷检测
06
基于TensorFlow.js的浏览器端缺陷检测模型移植
07
使用ONNX Runtime进行多平台缺陷检测模型移植
08
模型剪枝在工业缺陷检测中的应用
09
模型量化
10
知识蒸馏
11
基于TensorRT的缺陷检测模型动态尺寸输入支持
12
使用ONNX Runtime的GPU加速缺陷检测模型
13
将PyTorch模型移植到TorchScript并部署到C++环境
14
使用OpenCV DNN模块部署缺陷检测模型
15
基于TensorRT的缺陷检测模型多batch推理优化
16
模型移植到NVIDIA Jetson Nano进行边缘缺陷检测
17
使用ONNX Runtime的C#接口在Windows桌面应用部署缺陷检测
18
将TensorFlow模型移植到Java环境用于工业检测系统
19
使用ONNX.js在浏览器中运行缺陷检测模型
20
基于TensorRT的缺陷检测模型半精度(FP16)推理
21
使用OpenVINO在边缘设备上部署缺陷检测模型
22
模型移植到Android应用
23
使用Core ML在macOS上部署缺陷检测模型
24
基于TensorRT的缺陷检测模型多线程推理优化
25
使用ONNX Runtime的Python接口进行模型性能分析
26
将PyTorch模型移植到LibTorch并部署到C++服务
27
使用TensorFlow Serving部署缺陷检测模型
28
使用ONNX Runtime的Java接口在Android上部署缺陷检测
29
模型移植到Raspberry Pi
30
使用TensorRT的C++ API部署缺陷检测模型
31
基于OpenVINO的模型量化与部署
32
使用ONNX Runtime的C++接口在Linux服务器部署缺陷检测
33
将Keras模型移植到TensorFlow.js并在浏览器中运行
34
使用PyTorch的TorchScript进行模型部署到移动端
35
基于TensorRT的缺陷检测模型INT8量化校准
36
使用ONNX Runtime的GPU加速与TensorRT对比
37
模型移植到iOS
38
使用OpenVINO在Windows上部署缺陷检测模型
39
基于TensorRT的缺陷检测模型多GPU部署
40
使用ONNX Runtime的WebAssembly在浏览器中运行模型
41
将PyTorch模型移植到ONNX并部署到Azure云
42
使用TensorFlow Lite在微控制器上部署缺陷检测模型
43
基于TensorRT的缺陷检测模型DLA部署
44
使用ONNX Runtime的Python接口在Flask中部署模型
45
模型移植到华为Atlas平台
46
使用OpenVINO在树莓派上部署缺陷检测模型
47
基于TensorRT的缺陷检测模型端到端部署流程
48
使用ONNX Runtime的C#接口在Unity中部署缺陷检测
49
将TensorFlow模型移植到TensorFlow.js并在Node.js中运行
50
使用PyTorch的TorchScript在C++中部署并优化
51
基于TensorRT的缺陷检测模型自定义插件实现
52
使用ONNX Runtime的Java接口在Spring Boot中部署
53
模型移植到Android
54
使用OpenVINO在Intel FPGA上部署缺陷检测模型
55
基于TensorRT的缺陷检测模型与DeepStream集成
56
使用ONNX Runtime的Python接口在Django中部署
57
将Keras模型移植到TFLite并部署到Android Things
58
使用TensorRT的Python API部署缺陷检测模型
59
模型移植到iOS
60
使用OpenVINO在Ubuntu上部署缺陷检测模型并优化
61
基于TensorRT的缺陷检测模型与ROS集成
62
使用ONNX Runtime的C++接口在Windows服务中部署
63
将PyTorch模型移植到ONNX并部署到AWS Lambda
64
使用TensorFlow Lite在iOS上部署缺陷检测模型
65
基于TensorRT的缺陷检测模型在Jetson Xavier上的部署
66
使用ONNX Runtime的Python接口在FastAPI中部署
67
模型移植到边缘计算网关
68
使用TensorRT的C++ API在Linux上部署并优化内存
69
将TensorFlow模型移植到TFLite并部署到FPGA
70
基于ONNX Runtime的模型集成到Qt应用
71
使用OpenVINO在Windows IoT Core上部署缺陷检测
72
模型移植到Android
73
使用TensorRT的Python API在Jetson Nano上部署
74
将PyTorch模型移植到ONNX并部署到Google Cloud Run
75
使用ONNX Runtime的C++接口在macOS上部署
76
基于TensorRT的缺陷检测模型在AGX Xavier上的部署
77
使用OpenVINO在树莓派上部署并优化功耗
78
模型移植到iOS
79
使用TensorRT的C++ API在Windows上部署
80
将TensorFlow模型移植到TFLite并部署到MCU
81
基于ONNX Runtime的模型在Raspberry Pi上的部署
82
使用OpenVINO在Intel NUC上部署缺陷检测模型
83
模型移植到Android
84
使用TensorRT的Python API在Jetson TX2上部署
85
将PyTorch模型移植到ONNX并部署到Azure IoT Edge
86
使用ONNX Runtime的C#接口在UWP应用部署
87
基于TensorRT的缺陷检测模型在Jetson Orin上的部署
88
使用OpenVINO在Ubuntu上部署并集成到ROS
89
模型移植到iOS
90
使用TensorRT的C++ API在Jetson Nano上部署并优化
91
将TensorFlow模型移植到TFLite并部署到Android Things
92
基于ONNX Runtime的模型在Jetson Nano上的部署
93
使用OpenVINO在Windows上部署并集成到Python应用
94
模型移植到Android
95
使用TensorRT的Python API在Jetson Xavier上部署
96
将PyTorch模型移植到ONNX并部署到阿里云函数计算
97
使用ONNX Runtime的C++接口在Android上部署
98
基于TensorRT的缺陷检测模型在Jetson AGX Orin上的部署
99
使用OpenVINO在树莓派上部署并集成到摄像头
100
模型移植到iOS
所属VIP或分类
同VIP：3D机器视觉引导机器人抓取实战100例
同VIP：3D点云视觉抓取实战100例
同VIP：ROS机械臂视觉抓取实战100例