VIP20
本课程属于：015-工业视觉实战 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

工业视觉缺陷检测模型训练与性能优化

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
工业视觉概述
缺陷检测的定义 · 行业痛点 · 传统算法 vs 深度学习方案对比
工业视觉概述缺陷检测的定义
02
硬件选型与成像系统
工业相机 · 镜头 · 光源选型原则
硬件选型成像系统
03
数据集构建
数据采集 · 标注工具（LabelImg · CVAT）
数据集构建数据采集
04
数据增强策略
几何变换 · 颜色抖动 · CutMix
数据增强策略几何变换
05
图像预处理
归一化 · 直方图均衡化 · 滤波去噪
图像预处理归一化
06
分类模型基础
ResNet · EfficientNet 原理与在缺…
分类模型基础ResNet
07
目标检测模型（一）
Faster R-CNN 原理 · Anchor机制 · RPN网络
目标检测模型Faster
08
目标检测模型（二）
YOLOv5/v8 原理 · 损失函数 · 模型结构解析
目标检测模型YOLOv5/v8
09
实例分割模型
Mask R-CNN · SOLOv2 在缺陷分割中的应用
实例分割模型Mask
10
异常检测模型
PatchCore · PaDiM · SPADE 无监督方法
异常检测模型PatchCore
11
轻量化模型设计
MobileNet · ShuffleNet · GhostNet 原理与部署
轻量化模型设计MobileNet
12
模型训练基础
PyTorch 框架搭建 · 训练循环 · 梯度下降与反向传播
模型训练基础PyTorch
13
损失函数设计
Focal Loss · Dice Loss · IoU Loss 在缺陷检测中的调优
损失函数设计Focal
14
优化器选择
SGD · Adam · AdamW
优化器选择SGD
15
学习率策略
Warmup · Cosine Annealing · ReduceLROnPlateau
学习率策略Warmup
16
正则化与防止过拟合
Dropout · Label Smoothing · Weight Decay
正则化防止过拟合
17
训练技巧
混合精度训练（AMP） · 梯度累积 · EMA 模型平均
训练技巧AMP
18
模型评估指标
Precision · Recall · F1-Score
模型评估指标Precision
19
模型量化
PTQ 与 QAT 原理 · INT8 量化实战
模型量化PTQ
20
模型剪枝
结构化剪枝 · 非结构化剪枝 · 通道剪枝实战
模型剪枝结构化剪枝
21
知识蒸馏
Teacher-Student 架构 · 蒸馏损失函数设计
知识蒸馏Teacher-Stud…
22
ONNX 导出与优化
PyTorch 转 ONNX · ONNX Runtime 推理
ONNX导出
23
TensorRT 加速
TensorRT 部署流程 · FP16/INT8 优化
TensorRT加速
24
OpenVINO 部署
Intel 平台优化 · 模型转换与推理
OpenVINO部署
25
边缘端部署
NVIDIA Jetson · RK3588 · 树莓派适配
边缘端部署NVIDIA
26
模型服务化
Flask/FastAPI 搭建推理… · Docker 容器化
模型服务化Flask/FastAP…
27
持续学习与模型更新
增量学习 · 数据漂移检测 · 模型回滚
持续学习模型更新
28
端到端项目实战（一）
PCB 板缺陷检测系统从数据到部署
端到端项目实战PCB
29
端到端项目实战（二）
钢材表面缺陷检测系统全流程
端到端项目实战钢材表面缺陷检测…
30
前沿趋势与总结
Transformer 在视觉检测中… · 未来展望
前沿趋势Transformer