VIP20
本课程属于：015-TinyML图像分类与轻量视觉检测 嵌入式边缘AI与TinyML · 共 20 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

13. TinyML轻量检测入门：目标检测模型压缩与端侧限制

共计 30 章节
点击此处阅读海量试读课程：100+行业、1000+细分领域
01
课程导入
TinyML与轻量目标检测的定义 · 课程目标 · 学习路径与适用场景
课程导入TinyML
02
目标检测基础
边界框 · 类别置信度 · IoU
目标检测基础边界框
03
端侧限制概览
内存 · 算力 · 功耗
端侧限制概览内存
04
轻量检测模型选型
YOLO系列（tiny/nano） · SSD-MobileNet · EfficientDet-Lite等…
轻量检测模型选型YOLO
05
模型压缩总览
剪枝 · 量化 · 知识蒸馏
模型压缩总览剪枝
06
权重量化
PTQ与QAT的基本流程 · 量化误差来源 · 混合精度量化策略
权重量化PTQ
07
模型剪枝
结构化剪枝与非结构化剪枝 · 通道剪枝在检测头与骨干网络中的应用
模型剪枝结构化剪枝
08
知识蒸馏
教师-学生框架 · 特征蒸馏与响应蒸馏在轻量检测中的实践
知识蒸馏教师
09
轻量骨干网络
MobileNet · ShuffleNet · EfficientNet-Lite等…
轻量骨干网络MobileNet
10
检测头轻量化
减少通道数 · 深度可分离卷积 · 轻量级FPN/SSH结构
检测头轻量化减少通道数
11
端侧推理框架
TensorFlow Lite Mi… · ONNX Runtime · NCNN
端侧推理框架TensorFlow
12
模型转换与优化
从PyTorch/TF到TFLite… · 算子融合与图优化
模型转换优化
13
端侧部署实战
在MCU或嵌入式Linux上运行轻量…
端侧部署实战MCU
14
数据增强与训练技巧
针对小模型的增强策略 · 学习率调度 · 正则化与迁移学习
数据增强训练技巧
15
案例实战
基于YOLOv5n或YOLOv8n训…
案例实战YOLOv5n
16
案例实战
使用TensorFlow Lite…
案例实战TensorFlow
17
案例实战
在Arduino Nano 33 B…
案例实战Arduino
18
案例实战
使用OpenMV Cam实现实时颜色…
案例实战OpenMV
19
性能评估与调优
在端侧测量延迟 · 内存占用 · 功耗
性能评估调优
20
常见问题与调试
模型转换失败 · 量化精度下降 · 内存溢出
常见问题调试
21
模型压缩工具链
TensorFlow Lite Co… · PyTorch Quantizati… · OpenVINO等工具的使用
模型压缩工具链TensorFlow
22
硬件加速与NPU
利用MCU的DSP · NPU或GPU进行加速 · 以及CMSIS-NN等优化库
NPU硬件加速
23
多任务与轻量检测
同时进行检测与分类 · 分割的轻量模型设计
多任务轻量检测
24
模型鲁棒性与泛化
在端侧光照变化 · 遮挡 · 运动模糊等条件下的性能保障
模型鲁棒性泛化
25
功耗优化策略
动态电压频率调整 · 事件驱动推理 · 低功耗模式与唤醒机制
功耗优化策略动态电压频率调整
26
端侧模型更新与OTA
模型增量学习 · 在线更新与版本管理
OTA端侧模型更新
27
安全与隐私
端侧推理的数据隐私优势 · 模型加密与防篡改
安全隐私
28
综合项目
设计一个端到端的TinyML检测系统… · 缺陷检测） · 从数据到部署
综合项目TinyML
29
前沿趋势
神经架构搜索 · 自动化压缩 · 超低比特量化
前沿趋势神经架构搜索
30
课程总结与进阶路径
回顾核心知识 · 推荐资源 · 实战练习与社区参与
课程总结进阶路径