VIP11
本课程属于：057-YOLO目标检测训练与工程实战 AI智能与边缘计算工程 · 共 11 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

YOLO　v6模型结构及检测精度调优

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
YOLOv6概述
YOLOv6的诞生背景 · 与YOLOv5/YOLOv8的对比 · 核心优势与适用场景
YOLOv6的诞生背景
02
环境搭建
PyTorch环境配置 · YOLOv6源码下载 · 依赖安装
环境搭建PyTorch
03
模型结构解析（上）
Backbone网络设计——Effi…
模型结构解析Backbone
04
模型结构解析（中）
Neck网络设计——Rep-PAN结…
模型结构解析Neck
05
模型结构解析（下）
Head网络设计——Decouple…
模型结构解析Head
06
Anchor-Free机制
从Anchor-Based到Anch… · YOLOv6的标签分配策略
Anchor-Free机制
07
损失函数设计
分类损失（Varifocal Los… · 回归损失（GIoU Loss/DFL… · 损失平衡策略
损失函数设计Varifocal
08
训练策略（上）
学习率调度（Warmup + Cos… · 数据增强（Mosaic · MixUp
训练策略Warmup
09
训练策略（下）
EMA（指数移动平均） · 多尺度训练 · 梯度累积
训练策略EMA
10
模型配置文件详解
YOLOv6的YAML配置文件结构 · 各参数含义与调优方法
模型配置文件详解YOLOv6
11
训练自己的数据集
数据标注格式转换 · 数据集划分 · 配置文件修改
训练自己的数据集数据标注格式转换
12
训练过程监控
TensorBoard/ WandB… · Loss曲线分析 · 学习率变化监控
训练过程监控TensorBoard
13
模型评估指标
mAP（0.5:0.95） · Precision · Recall
模型评估指标mAP
14
模型推理与测试
单张图片推理 · 视频流推理 · 批量测试
模型推理测试
15
模型导出与部署
ONNX导出 · TensorRT加速 · NCNN/OpenVINO部署要点
模型导出部署
16
精度调优（上）
数据层面优化——数据清洗 · 类别平衡 · 难例挖掘
精度调优数据层面优化
17
精度调优（中）
模型层面优化——不同规模模型选择（N… · 深度/宽度缩放
精度调优模型层面优化
18
精度调优（下）
训练层面优化——超参数搜索（LR · Batch Size · Epoch）
精度调优LR
19
过拟合与欠拟合
诊断方法 · 正则化策略（Dropout · Weight Decay）
过拟合欠拟合
20
小目标检测优化
多尺度特征融合增强 · 高分辨率输入 · TAL（Task Alignment…
小目标检测优化多尺度特征融合增…
21
类别不平衡处理
Focal Loss变体 · OHEM · 数据重采样策略
类别不平衡处理Focal
22
NMS优化
NMS原理 · Soft-NMS · DIoU-NMS
NMS优化
23
模型剪枝与量化
结构化剪枝 · 通道剪枝 · INT8量化
模型剪枝量化
24
知识蒸馏
Teacher-Student架构 · YOLOv6蒸馏策略 · 蒸馏损失设计
知识蒸馏Teacher-Stud…
25
多GPU分布式训练
DDP原理 · Batch Size与学习率调整 · 同步BN
GPU分布式训练
26
实际项目案例（一）
工业缺陷检测——数据准备 · 模型选择 · 精度优化全流程
实际项目案例工业缺陷检测
27
实际项目案例（二）
自动驾驶行人检测——小目标优化 · 实时性平衡
实际项目案例自动驾驶行人检测
28
实际项目案例（三）
安防监控目标检测——夜间场景优化 · 多尺度适配
实际项目案例安防监控目标检测
29
常见问题排查
Loss不下降 · mAP不涨 · 显存溢出
常见问题排查Loss
30
总结与进阶
YOLOv6的局限性 · 未来改进方向（YOLOv7/v8/v… · 学习资源推荐
进阶YOLOv6