VIP20
本课程属于：054-无人车视觉导航与边缘感知 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

3. 无人车目标检测：行人、障碍物、交通标志和轻量模型部署

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
无人车目标检测的行业背景 · 应用价值 · 课程目标与学习路径
课程导入无人车目标检测的…
02
基础知识
目标检测核心概念（边界框 · IoU · 置信度
基础知识目标检测核心概念
03
数据集与标注
行人 · 障碍物 · 交通标志公开数据集（KITTI
数据集标注
04
传统方法回顾
HOG+SVM · Haar特征 · 滑动窗口在行人检测中的应用与局限
传统方法回顾HOG+SVM
05
深度学习基础
CNN原理 · 特征提取 · 感受野
深度学习基础CNN
06
两阶段检测器
R-CNN · Fast R-CNN · Faster R-CNN的架构
两阶段检测器R-CNN
07
单阶段检测器
YOLO系列（v3/v5/v8）与S… · 速度-精度权衡及部署优势
单阶段检测器YOLO
08
Transformer检测器
DETR · Deformable DETR在目标…
Transformer检测器
09
行人检测专项
行人姿态 · 遮挡 · 小目标问题
行人检测专项行人姿态
10
障碍物检测专项
车辆 · 锥桶 · 路障等障碍物的类别定义
障碍物检测专项车辆
11
交通标志检测专项
交通标志的类别体系 · 颜色/形状特征 · 小目标检测与识别（如TSR）技术
交通标志检测专项交通标志的类别体…
12
多任务学习
在无人车中同时检测行人 · 障碍物 · 交通标志的共享骨干网络与多分支设计
多任务学习无人车
13
数据增强与预处理
翻转 · 旋转 · Mosaic
数据增强预处理
14
模型训练技巧
学习率调度 · 优化器选择 · 类别不平衡处理
模型训练技巧学习率调度
15
模型评估与调优
在验证集上分析PR曲线 · 混淆矩阵 · 针对漏检/误检进行迭代优化
模型评估调优
16
轻量模型设计
MobileNet · ShuffleNet · EfficientNet-Lite等…
轻量模型设计MobileNet
17
模型压缩技术
剪枝 · 量化（INT8/FP16） · 知识蒸馏在无人车部署中的应用
模型压缩技术剪枝
18
部署框架与工具
TensorRT · ONNX Runtime · OpenVINO
部署框架工具
19
硬件平台适配
NVIDIA Jetson · 嵌入式GPU · FPGA
硬件平台适配NVIDIA
20
端到端部署流程
从PyTorch/TensorFlo… · 优化 · 推理的完整实战
端到端部署流程PyTorch/Tens…
21
实时性优化
模型推理加速 · 批处理 · 异步流水线
实时性优化模型推理加速
22
鲁棒性与安全性
对抗攻击 · 恶劣天气（雨雾） · 光照变化下的检测可靠性提升
鲁棒性安全性
23
多传感器融合
相机与LiDAR/雷达融合在目标检测…
多传感器融合LiDAR
24
案例实战
基于YOLOv5的行人检测从数据准备…
案例实战YOLOv5
25
案例实战
基于SSD的障碍物检测在Jetson…
案例实战SSD
26
案例实战
交通标志识别（TSR）使用轻量模型在…
案例实战TSR
27
常见问题与解决
小目标漏检 · 遮挡误检 · 模型过拟合
常见问题解决
28
综合项目
构建一个同时检测行人 · 障碍物 · 交通标志的统一模型
综合项目构建一个同时检测…
29
前沿趋势
YOLOv9/v10 · 端到端检测 · 自监督学习
前沿趋势YOLOv9/v10
30
课程总结与进阶
知识体系回顾 · 常见面试题 · 学习资源推荐与后续研究方向
课程总结进阶