VIP20
本课程属于：019-TinyML数据集采集、标注与评估 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

4. TinyML视觉数据采集：光照、角度与背景多样性

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视觉数据采集的重要性 · 学习目标 · 课程整体框架与实战项目预览
课程导入TinyML
02
TinyML视觉基础
嵌入式视觉系统组成 · 摄像头模块选型 · 图像传感器原理与数据格式（RGB
TinyML视觉基础
03
数据采集在TinyML流程中的位置
从数据采集 · 预处理 · 训练到部署的完整pipeline
TinyML数据采集
04
光照条件对视觉数据的影响
不同光照强度 · 色温 · 方向下的图像特征变化
光照条件对视觉数…不同光照强度
05
拍摄角度多样性
俯视 · 仰视 · 平视
拍摄角度多样性俯视
06
背景多样性
复杂背景 · 纯色背景 · 动态背景对目标检测与分类的干扰
背景多样性复杂背景
07
数据采集硬件与工具
常用开发板（Arduino Nano… · ESP32-CAM · Raspberry Pi Pico）
数据采集硬件工具
08
数据采集软件环境
图像采集程序编写（Python/Op… · MicroPython） · 串口传输
数据采集软件环境Python/Op
09
数据采集流程设计
制定采集计划 · 场景设置 · 样本数量规划
数据采集流程设计制定采集计划
10
光照控制实战
使用可调光源（LED · 自然光）采集不同光照条件下的图像 · 记录光照标签
光照控制实战LED
11
角度控制实战
使用旋转台或手动调整拍摄角度 · 采集多角度图像 · 标注角度类别
角度控制实战使用旋转台或手动…
12
背景控制实战
使用不同背景布 · 真实场景 · 绿幕等
背景控制实战使用不同背景布
13
数据标注基础
图像分类标注 · 目标检测框标注（bounding b… · 标注工具（LabelImg
数据标注基础图像分类标注
14
数据增强技术
亮度 · 对比度 · 饱和度调整
数据增强技术亮度
15
数据预处理与清洗
图像尺寸统一 · 格式转换 · 去模糊
数据预处理清洗
16
数据集划分
训练集 · 验证集 · 测试集的划分原则
数据集划分训练集
17
案例实战一
基于ESP32-CAM采集光照变化下… · 并训练一个简单的TinyML模型（如…
案例实战一ESP32-CAM
18
案例实战二
多角度手势识别数据采集 · 使用Arduino Nano 33… · 训练手势分类模型
案例实战二多角度手势识别数…
19
案例实战三
背景多样性下的目标检测数据采集 · 使用Raspberry Pi Pic… · 采集不同背景下的物体
案例实战三背景多样性下的目…
20
数据采集中的常见问题
过曝 · 欠曝 · 运动模糊
数据采集常见问题
21
数据多样性评估
如何量化光照 · 角度 · 背景的多样性
数据多样性评估如何量化光照
22
数据采集自动化
使用脚本控制摄像头自动拍摄 · 定时采集 · 随机变换光照和角度
数据采集自动化使用脚本控制摄像…
23
数据存储与管理
文件命名规范 · 目录结构 · 元数据记录（光照
数据存储管理
24
数据隐私与伦理
采集人脸 · 车牌等敏感信息时的合规要求 · 数据脱敏与匿名化处理
数据隐私伦理
25
从数据到模型
将采集的数据集用于训练TinyML模… · 评估不同数据多样性对模型鲁棒性的影响
从数据到模型TinyML
26
模型部署与测试
将训练好的模型部署到微控制器 · 在真实光照 · 角度
模型部署测试
27
优化数据采集策略
基于模型测试结果 · 迭代改进数据采集方案 · 增加困难样本
优化数据采集策略基于模型测试结果
28
综合项目
设计一个完整的TinyML视觉应用（… · 从数据采集到部署 · 涵盖光照
综合项目TinyML
29
课程总结与拓展
回顾关键知识点 · 讨论TinyML视觉数据采集的未来趋… · 合成数据）
课程总结拓展
30
结课测试与实战挑战
完成一个数据采集挑战任务 · 提交数据集和模型 · 评估多样性对性能的影响
结课测试实战挑战