首页
›
热销单品
›
AI大模型与智能应用
›
《边缘AI图像识别项目嵌入式Linux部署实战》
所属分类:AI大模型与智能应用
当前为单品课程,可返回上一级继续浏览同方向资料。
← 返回上一级
← 返回所属目录
咨询 / 购买
边缘AI图像识别项目嵌入式Linux部署实战
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
项目全景与硬件选型
边缘AI概念 · 项目目标 · 主流硬件平台对比(树莓派
项目全景
硬件选型
02
嵌入式Linux系统搭建
烧录系统镜像 · 系统初始化配置 · SSH远程连接
Linux
嵌入式
03
开发环境配置
交叉编译工具链安装 · CMake与Makefile入门 · OpenCV编译与安装
开发环境配置
交叉编译工具链安…
04
Python与C++混合编程
Python调用C++动态库(cty… · 性能对比 · 实战:图像预处理加速
Python
C++
05
模型转换与优化
PyTorch/TensorFlow… · ONNX模型优化(简化 · 量化)
模型转换
优化
06
ONNX Runtime推理引擎
ONNX Runtime C++ A… · 同步/异步推理 · 多线程推理优化
ONNX
Runtime
07
TensorRT推理引擎
TensorRT C++ API详解 · Builder/Engine/Con… · 动态shape处理
TensorRT
推理引擎
08
图像预处理与后处理
OpenCV图像缩放/归一化/颜色空… · NMS算法实现 · TopK结果解析
图像预处理
后处理
09
摄像头采集与显示
V4L2摄像头驱动 · OpenCV VideoCaptur… · GStreamer管道
摄像头采集
显示
10
多线程流水线架构
生产者-消费者模型 · 线程池实现 · 流水线设计(采集-预处理-推理-后处…
多线程流水线架构
生产者
11
内存优化与零拷贝
DMA/Buffer共享 · OpenCV Mat与TensorR… · 避免数据拷贝
内存优化
零拷贝
12
模型部署实战
YOLOv5s目标检测模型部署 · ResNet50分类模型部署 · DeepLabV3语义分割模型部署
模型部署实战
YOLOv5s
13
性能分析与调优
Profiling工具使用(perf · nvprof · nsys)
性能分析
调优
14
功耗与散热管理
CPU/GPU频率调节 · 温度监控 · 散热方案(风扇/散热片)
功耗
散热管理
15
系统服务化部署
Systemd服务编写 · 开机自启 · 日志管理
系统服务化部署
Systemd
16
Web端可视化
Flask/Node.js搭建轻量级… · WebSocket实时推流 · 前端展示推理结果
Web
端可视化
17
MQTT物联网集成
MQTT协议基础 · Mosquitto Broker搭建 · 发布推理结果
MQTT
物联网集成
18
数据库存储
SQLite/InfluxDB时序数… · 存储推理日志与结果 · 数据查询与可视化
数据库存储
SQLite/Influ…
19
安全与加密
模型加密(AES/RSA) · 通信加密(TLS/SSL) · 安全启动
安全
加密
20
容器化部署
Docker镜像制作 · Docker Compose编排 · 容器资源限制
容器化部署
Docker
21
CI/CD持续集成
GitLab CI/GitHub A… · 自动化测试 · 自动化构建
CI/CD
持续集成
22
多模型协同推理
模型级联(检测+分类) · 模型并行 · 模型动态加载与卸载
多模型协同推理
模型级联
23
视频流分析
RTSP/RTMP视频流接入 · H.264/H.265硬解码 · 视频帧抽帧策略
视频流分析
RTSP/RTMP
24
边缘-云端协同
边缘端预处理+云端推理 · 边缘端推理+云端训练 · 数据回传策略
边缘
云端协同
25
模型量化与剪枝
PTQ量化 · QAT量化 · 结构化剪枝
模型量化
剪枝
26
自定义算子开发
TensorRT Plugin开发 · ONNX Runtime Custo… · CUDA Kernel编写
自定义算子开发
TensorRT
27
多平台移植
从Jetson Nano移植到RK3… · 从x86移植到ARM · 不同NPU/GPU的适配策略
多平台移植
Jetson
28
项目测试与验收
单元测试(Google Test) · 集成测试 · 压力测试
项目测试
验收
29
文档与日志
Doxygen文档生成 · 日志系统设计(spdlog) · 错误码定义
文档
日志
30
项目总结与展望
项目复盘 · 常见问题汇总 · 未来方向(TinyML
项目总结
项目复盘
所属VIP或分类
同VIP:AI-Agent-Harness系统开发
同VIP:AI-Agent原理与自主代理架构
同VIP:AI-Agent性能评估与优化