VIP20
本课程属于：019-YOLO系列算法实战 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算法模型评估指标与精度提升

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
YOLO算法全景概览
目标检测发展史 · YOLO系列演进路线（v1-v8） · YOLO核心思想（回归思想
YOLO算法全景概览
02
模型评估指标体系（上）
IoU（交并比）原理与计算 · Precision（精确率）与Rec… · AP（平均精度）与mAP（平均精度均…
模型评估指标体系IoU
03
模型评估指标体系（下）
F1-Score · 混淆矩阵 · PR曲线与ROC曲线
模型评估指标体系F1-Score
04
YOLO训练数据准备
数据采集策略 · 数据清洗与标注规范 · LabelImg与CVAT工具使用
YOLO训练数据准备
05
数据增强技术（上）
几何变换（翻转 · 旋转 · 缩放
数据增强技术几何变换
06
数据增强技术（下）
Mosaic增强 · MixUp增强 · CutMix增强
数据增强技术Mosaic
07
YOLO模型架构解析（上）
Backbone网络（CSPDark… · EfficientRep） · Neck网络（FPN
YOLO模型架构解析
08
YOLO模型架构解析（下）
Anchor-Based vs An… · 损失函数详解（CIoU Loss · Focal Loss）
YOLO模型架构解析
09
训练超参数调优（上）
学习率策略（Warm-up · Cosine Annealing · Step Decay）
训练超参数调优Warm-up
10
训练超参数调优（下）
权重衰减（Weight Decay） · 动量（Momentum） · 梯度裁剪（Gradient Clip…
训练超参数调优Weight
11
模型正则化与防过拟合
Dropout · DropBlock · Label Smoothing
模型正则化防过拟合
12
迁移学习与预训练模型
ImageNet预训练权重使用 · 冻结训练策略 · 微调（Fine-tuning）技巧
迁移学习预训练模型
13
模型剪枝与轻量化（上）
通道剪枝（Channel Pruni… · 结构化剪枝 · 非结构化剪枝
模型剪枝轻量化
14
模型剪枝与轻量化（下）
知识蒸馏（Knowledge Dis… · 量化（INT8/FP16量化） · TensorRT部署优化
模型剪枝轻量化
15
NMS后处理优化
NMS原理与实现 · Soft-NMS · DIoU-NMS
NMS后处理优化
16
多尺度训练与测试
多尺度训练策略 · 测试时数据增强（TTA） · 图像金字塔推理
多尺度训练测试
17
类别不平衡处理
重采样策略 · Focal Loss详解 · OHEM（在线难例挖掘）
类别不平衡处理重采样策略
18
小目标检测优化（上）
小目标定义与挑战 · 特征金字塔增强 · 高分辨率输入策略
小目标检测优化小目标定义
19
小目标检测优化（下）
基于切片的检测（Slicing Ai… · 生成式数据增强 · 多尺度特征融合改进
小目标检测优化Slicing
20
模型集成与融合
Bagging与Boosting · WBF（加权框融合） · NMS变体集成
模型集成融合
21
训练过程监控与可视化
TensorBoard使用 · Wandb实验管理 · 学习率曲线分析
训练过程监控可视化
22
模型调试与错误分析
错误检测类型分析（定位误差 · 分类误差 · 背景误差）
模型调试错误分析
23
YOLO实战项目（一）
安全帽检测数据集准备 · 模型训练与评估 · 精度提升策略应用
YOLO实战项目
24
YOLO实战项目（二）
车辆检测与计数 · 夜间场景优化 · 遮挡处理策略
YOLO实战项目
25
YOLO实战项目（三）
工业缺陷检测 · 小缺陷检测优化 · 实时性要求下的模型压缩
YOLO实战项目
26
YOLO实战项目（四）
遥感图像目标检测 · 大尺度图像处理策略 · 旋转目标检测
YOLO实战项目
27
YOLO模型部署实战（上）
ONNX导出与优化 · TensorRT加速 · Docker容器化部署
YOLO模型部署实战
28
YOLO模型部署实战（下）
边缘端部署（Jetson · RK3588） · 移动端部署（NCNN
YOLO模型部署实战
29
YOLO最新进展与前沿技术
YOLOv9/YOLOv10新特性 · DETR与Transformer检测… · SAM与YOLO结合
YOLO最新进展
30
课程总结与进阶路线
核心知识体系回顾 · 常见面试题解析 · 学习资源推荐
课程总结进阶路线