VIP20
本课程属于：007-ONNX模型转换与算子兼容 工业控制与工业互联网 · 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

TinyML手势识别项目：ONNX模型端侧部署指南

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
课程导论
TinyML与手势识别概述 · ONNX生态简介 · 课程目标与学习路径
课程导论TinyML
02
环境搭建
Python环境 · TensorFlow/PyTorch… · ONNX Runtime
环境搭建Python
03
手势识别基础
手势数据采集方法 · 传感器选择（加速度计/IMU） · 数据标注与预处理
手势识别基础手势数据采集方法
04
数据增强与特征工程
时间序列增强 · 滑动窗口 · FFT特征
数据增强特征工程
05
模型选型
适合TinyML的轻量级网络（如Mo… · TinyLSTM · TCN）
模型选型TinyML
06
模型训练
使用TensorFlow/PyTor… · 训练技巧 · 过拟合防止
模型训练TensorFlow/P…
07
模型评估与验证
混淆矩阵 · 准确率/召回率/F1 · 交叉验证
模型评估验证
08
ONNX模型导出
从Keras/PyTorch导出ON… · 算子兼容性检查 · 动态轴处理
ONNX模型导出
09
ONNX模型优化
图优化 · 量化（INT8/FP16） · 剪枝
ONNX模型优化
10
ONNX Runtime部署
CPU/GPU推理 · C++/Python API · 输入输出张量处理
ONNXRuntime
11
端侧硬件选型
MCU（Arduino · ESP32 · STM32）
端侧硬件选型MCU
12
模型转换与压缩
ONNX转TFLite · TensorRT · CoreML
模型转换压缩
13
嵌入式推理框架
TFLite Micro · CMSIS-NN · ONNX Runtime Mobil…
嵌入式推理框架TFLite
14
端侧部署实战（一）
在ESP32上部署手势识别模型 · 实现实时数据采集与推理
端侧部署实战ESP32
15
端侧部署实战（二）
在STM32上使用CMSIS-NN加… · 优化推理延迟
端侧部署实战STM32
16
端侧部署实战（三）
在树莓派或Jetson上部署ONNX… · 实现手势控制应用
端侧部署实战Jetson
17
传感器数据流处理
实时读取 · 缓冲 · 滑动窗口
传感器数据流处理实时读取
18
手势识别算法优化
动态时间规整（DTW） · 阈值检测 · 状态机
手势识别算法优化DTW
19
模型量化实战
PTQ与QAT · 量化感知训练 · 校准数据集
模型量化实战PTQ
20
模型剪枝与知识蒸馏
结构化剪枝 · 通道剪枝 · 蒸馏流程
模型剪枝知识蒸馏
21
端侧性能调优
推理时间测量 · 内存占用分析 · 算子融合
端侧性能调优推理时间测量
22
多手势识别与分类
多类分类 · 置信度阈值 · 手势切换逻辑
多手势识别分类
23
端侧模型更新与OTA
固件升级 · 模型热更新 · 版本管理
OTA端侧模型更新
24
常见问题排查
ONNX导出失败 · 算子不支持 · 精度下降
常见问题排查ONNX
25
安全与隐私
端侧数据处理 · 模型加密 · 防逆向
安全隐私
26
项目实战
从零构建完整手势识别系统（数据采集→…
项目实战从零构建完整手势…
27
案例研究
智能手表手势控制 · 手势遥控器 · 手语识别初步
案例研究智能手表手势控制
28
性能基准测试
不同硬件上的推理延迟 · 功耗 · 精度对比
性能基准测试不同硬件上的推理…
29
综合提升
模型轻量化高级技巧 · 自动化部署流水线 · CI/CD集成
综合提升模型轻量化高级技…
30
课程总结与未来展望
TinyML趋势 · ONNX生态发展 · 手势识别前沿
课程总结未来展望