01
障碍物检测概述
什么是障碍物检测 · 自动驾驶/机器人/安防 · 技术发展史与主流方法
概念应用
02
环境搭建与工具链
Python · PyTorch · CUDA/cuDNN · OpenCV/NumPy/Matplotlib
配置工具
03
图像基础与预处理
读取/显示 · 色彩空间转换 · 滤波去噪 · 直方图均衡化
图像预处理
04
数据集介绍与准备
COCO/VOC/KITTI · 下载与目录结构 · JSON/XML标注格式
数据标注
05
数据标注工具实战
LabelImg安装 · 画框/选类别/保存 · 标注质量控制
标注工具
06
数据增强技术
翻转/旋转/缩放 · 色彩抖动 · MixUp & Mosaic
增强策略
07
目标检测基础概念
IoU · NMS · Anchor Box · mAP评估指标
核心指标
08
经典检测模型YOLOv8
YOLO发展史 · Backbone/Neck/Head · 配置文件解读
YOLO架构
09
YOLOv8训练实战
数据格式转换 · 参数配置 · 训练监控 · 断点续训
训练实战
10
模型评估与调优
验证评估 · mAP/Recall · 过/欠拟合 · 学习率&Batch调优
调优评估
11
ONNX模型导出与部署
ONNX简介 · PyTorch转ONNX · ONNX Runtime · TensorRT加速
部署ONNX
12
OpenCV DNN模块推理
加载ONNX · 预处理/后处理 · 实时视频流 · 性能优化
OpenCV推理
13
多类别检测实战
车辆/行人/自行车 · 类别不平衡 · 混淆矩阵
多类别实战
14
小目标检测优化
小目标难点 · 多尺度训练 · FPN · Tiling策略
小目标优化
15
模型轻量化与剪枝
INT8/FP16量化 · 通道剪枝 · 知识蒸馏 · MobileNet/ShuffleNet
轻量化剪枝
16
实时视频流检测
摄像头读取 · 多线程加速 · 队列缓冲 · FPS统计
视频流实时
17
自定义数据集训练
从零构建 · 自动化标注 · 数据清洗 · 全流程复盘
自定义数据集
18
模型集成与投票策略
Bagging/Boosting · Soft-NMS · Weighted Boxes Fusion
集成鲁棒性
19
边缘端部署实战
Jetson Nano · TensorRT · DeepStream · 功耗与性能
边缘部署
20
ROS集成与机器人应用
ROS基础 · 检测节点 · 话题发布/订阅 · Rviz可视化
ROS机器人
21
3D障碍物检测入门
点云数据 · LiDAR+相机融合 · PointPillars · BEV视角
3D点云
22
Transformer在检测中的应用
DETR · Deformable DETR · ViT+检测头 · 注意力可视化
TransformerDETR
23
半监督与自监督学习
伪标签 · 一致性正则 · 对比学习 · 减少标注成本
半监督自监督
24
异常检测与开放世界检测
开放世界 · 未知类别发现 · 增量学习 · OOD检测
异常开放世界
25
模型可解释性
Grad-CAM · 特征图分析 · 失败案例复盘 · 决策路径
可解释性可视化
26
多目标跟踪（MOT）
SORT/DeepSORT · ReID · 轨迹管理 · ByteTrack实战
跟踪MOT
27
项目实战：智能安防系统
需求分析 · 系统架构 · Flask/Streamlit前端 · 推理服务
安防项目
28
项目实战：自动驾驶感知
传感器融合 · 车道线+障碍物 · 行为预测与路径规划
自动驾驶感知
29
性能压测与优化
Profiling (Nsight/PyTorch Profiler) · 内存泄漏 · 异步推理
性能压测
30
课程总结与前沿展望
技术栈复盘 · 面试题 · 论文推荐 · 端到端检测/世界模型
总结前沿