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

11. 边缘AI误检漏检分析：样本复盘和模型迭代方法

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误检漏检问题的严重性 · 课程目标 · 学习路径与适用人群
课程导入AI
02
基础概念
误检（False Positive）… · 区别及在边缘AI场景中的典型表现
基础概念False
03
边缘AI特点
算力受限 · 数据分布漂移 · 实时性要求对误检漏检的影响
AI边缘
04
误检漏检的常见原因
数据标注错误 · 类别不平衡 · 场景覆盖不足
误检漏检的常见原…数据标注错误
05
样本复盘的价值
为什么需要系统化复盘 · 复盘流程与团队协作方式
样本复盘的价值为什么需要系统化…
06
样本采集与标注
如何收集边缘场景下的真实样本 · 标注规范与质量控制
样本采集标注
07
样本清洗与预处理
去重 · 去噪 · 数据增强策略对误检漏检的改善
样本清洗预处理
08
误检漏检的量化指标
Precision · Recall · F1-score
误检漏检的量化指…Precision
09
错误分析框架
基于混淆矩阵的错误分类 · 按场景/类别/属性拆解误检漏检
错误分析框架基于混淆矩阵的错…
10
样本复盘工具
可视化工具 · 日志系统 · 数据管理平台在复盘中的应用
样本复盘工具可视化工具
11
典型误检案例分析
背景干扰 · 相似物体 · 光照变化导致的误检及复盘方法
典型误检案例分析背景干扰
12
典型漏检案例分析
小目标 · 遮挡 · 运动模糊导致的漏检及复盘方法
典型漏检案例分析小目标
13
样本复盘实战
从边缘设备日志中提取误检漏检样本 · 建立问题清单
样本复盘实战从边缘设备日志
14
模型迭代基础
从复盘结果到模型改进的闭环流程 · 版本管理与回滚策略
模型迭代基础从复盘结果到模型…
15
数据增强策略
针对误检漏检的定向增强（如mixup · cutout · 随机擦除）及效果评估
数据增强策略mixup
16
模型结构优化
轻量化网络 · 注意力机制 · 多尺度特征融合对误检漏检的改善
模型结构优化轻量化网络
17
损失函数调整
Focal Loss · GHM · 自定义损失函数解决类别不平衡与难样本…
损失函数调整Focal
18
后处理优化
NMS阈值调整 · 置信度校准 · 规则过滤减少误检漏检
后处理优化NMS
19
模型微调与迁移学习
利用预训练模型和少量新样本快速迭代
模型微调迁移学习
20
主动学习与难例挖掘
自动筛选高价值样本 · 提升迭代效率
主动学习难例挖掘
21
模型评估与验证
在边缘设备上的实际测试 · A/B测试 · 回归测试确保迭代效果
模型评估验证
22
边缘部署与监控
模型上线后的实时监控 · 告警机制与持续反馈
边缘部署监控
23
案例实战
工业质检场景中的误检漏检复盘与迭代全…
案例实战工业质检场景
24
案例实战
智能安防场景中的人脸/车辆误检漏检分…
案例实战智能安防场景
25
案例实战
自动驾驶边缘感知中的误检漏检处理与模…
案例实战自动驾驶边缘感知
26
常见问题与解决方案
数据不足 · 标注不一致 · 过拟合
常见问题解决方案
27
团队协作与流程规范
数据科学家 · 算法工程师 · 边缘工程师如何协同迭代
团队协作流程规范
28
自动化迭代管道
CI/CD for ML · 数据版本控制 · 模型注册与自动训练
自动化迭代管道CI/CD
29
综合实战项目
从零构建一个边缘AI误检漏检分析系统 · 完成样本复盘和模型迭代
综合实战项目AI
30
课程总结与进阶方向
核心要点回顾 · 前沿技术展望（如在线学习 · 联邦学习）与学习资源推荐
课程总结进阶方向