VIP20
本课程属于：034-边缘AI工业视觉缺陷检测 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

4. 边缘AI缺陷检测训练：小样本、类别不平衡与数据增强

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
边缘AI缺陷检测的定义 · 应用价值 · 课程目标与学习路径
课程导入AI
02
边缘AI基础
边缘计算与云计算的差异 · 边缘设备算力约束 · 典型边缘推理框架（TensorRT
AI边缘
03
缺陷检测任务概述
常见工业缺陷类型（划痕 · 污渍 · 裂纹
缺陷检测任务概述常见工业缺陷类型
04
小样本问题剖析
小样本场景的成因 · 挑战（过拟合 · 泛化差）
小样本问题剖析小样本场景的成因
05
类别不平衡问题剖析
不平衡的定义 · 常见比例 · 对模型训练的影响（偏向多数类
类别不平衡问题剖…不平衡的定义
06
数据增强基础
几何变换（旋转 · 翻转 · 裁剪
数据增强基础几何变换
07
高级数据增强
Mixup · CutMix · Cutout
高级数据增强Mixup
08
基于生成模型的数据增强
GAN · VAE · 扩散模型在缺陷样本生成中的应用与局限
基于生成模型的数…GAN
09
小样本学习策略
迁移学习 · 元学习（MAML · ProtoNet）
小样本学习策略迁移学习
10
类别不平衡处理策略
重采样（过采样 · 欠采样） · 代价敏感学习
类别不平衡处理策…重采样
11
数据增强与不平衡处理的结合
增强策略对类别分布的影响 · 动态增强与自适应增强
数据增强不平衡处理的结合
12
边缘设备上的数据增强
轻量化增强算子 · 在设备端实时增强的可行性 · 硬件加速
边缘设备上的数据…轻量化增强算子
13
模型选择与轻量化
适合边缘的缺陷检测模型（Mobile… · EfficientNet · YOLO-lite
模型选择轻量化
14
训练流程设计
数据准备 · 增强策略选择 · 模型初始化
训练流程设计数据准备
15
评估指标
准确率 · 精确率 · 召回率
评估指标准确率
16
案例实战
基于公开数据集（如NEU-DET · PCB缺陷数据集）的小样本缺陷检测训…
案例实战NEU-DET
17
案例实战
使用Focal Loss解决类别不平…
案例实战Focal
18
案例实战
利用Mixup和CutMix增强小样… · 提升模型泛化能力
案例实战Mixup
19
案例实战
基于迁移学习（预训练ResNet）在…
案例实战ResNet
20
案例实战
使用OpenVINO/TensorR… · 实现边缘端实时推理
案例实战OpenVINO/Ten…
21
常见问题与调试
小样本下模型不收敛 · 增强过度导致失真 · 不平衡下评估指标误导
常见问题调试
22
常见问题与调试
数据增强策略选择不当 · 类别不平衡与增强冲突 · 边缘设备内存不足
常见问题调试
23
常见问题与调试
过拟合与欠拟合的平衡 · 学习率调整 · 正则化（Dropout
常见问题调试
24
工具与框架
PyTorch · TensorFlow · Keras
工具框架
25
数据标注与预处理
小样本下的标注策略 · 半自动标注 · 数据清洗与归一化
数据标注预处理
26
模型压缩与加速
剪枝 · 量化（INT8） · 知识蒸馏在边缘缺陷检测中的应用
模型压缩加速
27
综合实战
从零构建一个边缘AI缺陷检测系统 · 涵盖数据增强 · 不平衡处理
综合实战AI
28
前沿进展
小样本学习 · 不平衡学习 · 数据增强的最新研究（如自监督
前沿进展小样本学习
29
课程总结
核心知识点回顾 · 常见误区 · 学习资源推荐
课程总结核心知识点回顾
30
综合考核
设计一个针对特定工业场景（如手机屏幕… · 不平衡缺陷检测方案 · 并阐述训练与部署流程
综合考核设计一个针对特定…