VIP20
本课程属于：012-嵌入式端YOLO目标检测部署实战 AI视觉与工业视觉 · 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

YOLO模型精度调优与性能平衡

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
课程导论与目标设定
YOLO发展简史（v1到v9） · 精度与性能的博弈本质 · 课程目标与学习路径图
课程导论目标设定
02
环境搭建与基线模型
PyTorch/TensorRT环境… · YOLOv8/v9官方仓库下载与运行 · 使用COCO128子集快速验证
环境搭建基线模型
03
数据质量对精度的影响
标注质量检查（LabelImg/X-… · 数据清洗与异常样本剔除 · 数据分布分析（长尾分布处理）
数据质量对精度的…LabelImg/X
04
数据增强策略（上）
Mosaic与MixUp的原理与实现 · YOLOv8内置增强参数调优（hsv… · degrees
数据增强策略Mosaic
05
数据增强策略（下）
自动增强（AutoAugment/T… · CutOut与GridMask实战 · 增强策略的消融实验设计
数据增强策略AutoAugment/…
06
模型选择与架构理解
YOLOv8n/s/m/l/x 系列… · Backbone（CSPDarkne… · Head（Decoupled Hea…
模型选择架构理解
07
Anchor-Free与Anchor-Based
YOLOv8的Anchor-Free… · TaskAlignedAssigne… · 损失函数（CIoU
Anchor-FreeAnchor-Based
08
超参数调优（上）
学习率调度（Cosine · Linear · Step）
超参数调优Cosine
09
超参数调优（下）
Batch Size与Image S… · Warmup策略 · EMA（指数移动平均）的作用与配置
超参数调优Batch
10
训练技巧（上）
预训练权重选择（ImageNet v… · 冻结训练（Freeze Layers… · 标签平滑（Label Smoothi…
训练技巧ImageNet
11
训练技巧（下）
梯度累积（Gradient Accu… · 混合精度训练（AMP） · 多卡训练（DDP）配置与踩坑
训练技巧Gradient
12
过拟合与欠拟合诊断
Loss曲线解读（train los… · 过拟合的典型表现与对策（Dropou… · Weight Decay）
过拟合欠拟合诊断
13
模型剪枝（Pruning）
结构化剪枝（Channel Prun… · YOLOv8的剪枝工具（torch-… · 剪枝后微调策略
Pruning模型剪枝
14
模型量化（Quantization）
PTQ（训练后量化）与QAT（量化感… · INT8量化对精度的影响 · TensorRT量化工具链
Quantization模型量化
15
知识蒸馏（Distillation）
Logit蒸馏与Feature蒸馏 · YOLO系列蒸馏实战（KD-Loss… · Teacher模型选择策略
Distillation知识蒸馏
16
NMS优化
NMS原理与变体（Soft-NMS · DIoU-NMS） · NMS阈值对mAP的影响
NMS优化
17
推理加速（上）
TensorRT部署流程（ONNX… · FP16与INT8推理性能对比 · Dynamic Shape处理
推理加速TensorRT
18
推理加速（下）
模型导出（ONNX · TorchScript · OpenVINO）
推理加速ONNX
19
性能瓶颈分析
Profiling工具（PyTorc… · Nsight Systems） · 计算瓶颈（FLOPs
性能瓶颈分析Profiling
20
数据加载优化
DALI与DataLoader多进程 · Prefetch Factor与Pi… · 图像解码加速（TurboJPEG
数据加载优化DALI
21
多尺度训练与测试
多尺度训练（Multi-Scale… · 测试时增强（TTA）策略 · TTA对mAP的提升效果
多尺度训练测试
22
类别不平衡处理
Focal Loss原理与实现 · OHEM（在线难例挖掘） · 类别权重调整
类别不平衡处理Focal
23
小目标检测优化
小目标定义（COCO标准） · 特征金字塔增强（BiFPN · NAS-FPN）
小目标检测优化COCO
24
大目标与密集场景优化
大目标感受野匹配 · 密集场景的NMS优化 · Repulsion Loss与遮挡处…
大目标密集场景优化
25
迁移学习与领域自适应
域差异问题（合成数据->真实数据） · 域自适应方法（CycleGAN · Style Transfer）
迁移学习领域自适应
26
自动化调参（AutoML）
Optuna与Ray Tune框架 · 超参数搜索空间设计 · 贝叶斯优化与进化算法
AutoML自动化调参
27
实验管理与复现
MLflow/WandB实验跟踪 · 配置文件管理（YAML/OmegaC… · 随机种子固定与结果复现
实验管理复现
28
模型集成（Ensemble）
Weighted Box Fusio… · 模型集成策略（平均权重 vs 投票） · 集成对mAP的提升
Ensemble模型集成
29
实际项目案例（上）
工业质检场景（小缺陷检测） · 数据收集与标注策略 · 精度与速度的平衡方案
实际项目案例工业质检场景
30
实际项目案例（下）
自动驾驶场景（行人/车辆检测） · 多任务模型设计 · 端到端部署与性能监控
实际项目案例自动驾驶场景