VIP10
本课程属于：084-自动驾驶模型压缩量化与边缘优化 智能汽车与新能源汽车工程 · 共 10 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

自动驾驶感知模型轻量化部署工程

共计 30 章节
可可资料掘金营 · 点击在线试看
01
课程导入
目标=自动驾驶感知系统概述 · 轻量化部署的工程意义 · 课程学习目标与整体知识框架
课程导入目标=自动驾驶感…
02
感知模型基础
目标=主流感知任务（检测 · 分割 · 跟踪）
感知模型基础目标=主流感知任…
03
轻量化核心概念
目标=模型压缩与加速的基本定义 · 参数量 · 计算量
轻量化核心概念目标=模型压缩
04
硬件与软件栈概览
目标=车载计算平台（GPU · NPU · FPGA
硬件软件栈概览
05
模型剪枝方法
目标=结构化与非结构化剪枝 · 稀疏训练 · 通道剪枝
模型剪枝方法目标=结构化
06
知识蒸馏技术
目标=教师-学生框架 · 软标签与硬标签 · 特征蒸馏
知识蒸馏技术目标=教师
07
量化基础
目标=训练后量化与量化感知训练 · 对称与非对称量化 · 量化粒度
量化基础目标=训练后量化
08
低秩分解与轻量卷积
目标=奇异值分解 · Tucker分解 · 深度可分离卷积
低秩分解轻量卷积
09
神经架构搜索入门
目标=搜索空间设计 · 强化学习与进化算法 · 可微分架构搜索
神经架构搜索入门目标=搜索空间设…
10
模型转换与图优化
目标=ONNX导出 · 计算图优化（算子融合 · 常量折叠）
模型转换图优化
11
TensorRT部署实战
目标=环境搭建 · 模型解析 · 精度校准
TensorRT部署实战
12
边缘端推理框架
目标=NCNN · MNN · TFLite
边缘端推理框架NCNN
13
感知模型轻量化案例一
目标=YOLO系列目标检测模型的剪枝 · 量化与TensorRT部署全流程
感知模型轻量化案…YOLO
14
感知模型轻量化案例二
目标=BEV感知模型（如BEVFor… · BEVDet）的轻量化挑战与部署优化
感知模型轻量化案…BEV
15
感知模型轻量化案例三
目标=语义分割模型（如DeepLab · BiSeNet）在车载端的实时推理优…
感知模型轻量化案…DeepLab
16
多任务感知模型部署
目标=共享骨干网络 · 多任务头剪枝 · 任务间资源调度与内存复用
多任务感知模型部…目标=共享骨干网…
17
数据预处理与后处理优化
目标=图像归一化 · Resize · NMS
数据预处理后处理优化
18
内存与带宽优化
目标=显存管理 · 张量复用 · 零拷贝
内存带宽优化
19
延迟与吞吐优化
目标=流水线并行 · 批处理策略 · 异步推理
延迟吞吐优化
20
精度与性能评估
目标=mAP · IoU · FPS
精度性能评估
21
常见部署问题与调试
目标=精度下降 · 算子不支持 · 内存泄漏
常见部署问题调试
22
安全与可靠性
目标=功能安全（ISO 26262）… · 冗余设计 · 故障降级策略
安全可靠性
23
模型更新与OTA
目标=增量学习 · 模型版本管理 · 差分更新
OTA模型更新
24
实战项目一
目标=从PyTorch到Tensor…
实战项目一PyTorch
25
实战项目二
目标=基于量化感知训练的BEV模型部…
实战项目二BEV
26
实战项目三
目标=多模型多任务车载感知系统的集成…
实战项目三目标=多模型多任…
27
前沿趋势
目标=大模型轻量化 · 端到端自动驾驶 · Transformer压缩
前沿趋势目标=大模型轻量…
28
工具与生态
目标=MLOps · 模型压缩工具包（NNI · Distiller）
工具生态
29
综合提升
目标=轻量化部署方案设计 · 技术选型 · 项目规划与团队协作最佳实践
综合提升目标=轻量化部署…
30
课程总结与展望
目标=知识体系回顾 · 核心能力自评 · 持续学习路径与行业资源推荐
课程总结目标=知识体系回…