首页
›
AI视觉与工业视觉
›
026-YOLOv11模型剪枝量化压缩
›
《YOLOv11知识蒸馏与轻量化压缩实战》
VIP20
本课程属于:026-YOLOv11模型剪枝量化压缩
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
YOLOv11知识蒸馏与模型压缩全流程
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YOLOv11概览
YOLO家族发展史 · YOLOv11核心架构解析(Back… · 模型压缩与知识蒸馏的价值与行业应用
YOLOv11
课程导论
02
环境搭建与基准模型训练
PyTorch/CUDA环境配置 · YOLOv11官方代码库下载与安装 · 使用官方脚本训练一个基线YOLOv1…
环境搭建
基准模型训练
03
模型结构深度剖析
深入解读YOLOv11的C2f模块 · SPPF模块 · Detect Head的设计细节
模型结构深度剖析
YOLOv11
04
模型复杂度度量标准
FLOPs · Params · FPS
模型复杂度度量标…
FLOPs
05
知识蒸馏理论基础
什么是知识蒸馏(KD) · 软标签与硬标签 · 温度系数T的作用
知识蒸馏理论基础
KD
06
Logit蒸馏实战(一)
基于YOLOv11的Logit蒸馏实… · 修改损失函数 · 将教师模型的软标签输出引入学生模型训…
Logit
蒸馏实战
07
Logit蒸馏实战(二)
调整温度系数T与损失权重α · 在VisDrone数据集上进行对比实… · 观察mAP与模型大小的变化
Logit
蒸馏实战
08
Feature-based蒸馏
FitNets与Hint Learn… · 在YOLOv11的Neck层添加L2… · 让学生模型模仿教师模型的中间特征图
Feature-base…
蒸馏
09
Relation-based蒸馏
Relational Knowled… · 在YOLOv11中实现基于样本间关系…
Relation-bas…
蒸馏
10
注意力迁移(AT)与通道注意力蒸馏
将教师模型的注意力图迁移给学生模型 · 在YOLOv11的Backbone中…
AT
注意力迁移
11
结构化剪枝基础
什么是结构化剪枝与非结构化剪枝 · L1范数剪枝原理 · 在YOLOv11中对卷积核进行重要性…
结构化剪枝基础
什么是结构化剪枝
12
通道剪枝实战(一)
使用torch.nn.utils.p… · 剪枝后微调恢复精度
通道剪枝实战
torch.nn.uti…
13
通道剪枝实战(二)
基于BN层γ系数的剪枝策略 · 在YOLOv11中实现稀疏化训练+剪…
通道剪枝实战
BN
14
层剪枝与网络瘦身
对YOLOv11的Backbone进… · 移除冗余Stage · 构建更浅的检测网络
层剪枝
网络瘦身
15
量化基础
模型量化原理(FP32→INT8) · 对称量化与非对称量化 · 量化感知训练(QAT)与后训练量化(…
量化基础
FP32
16
PTQ实战
使用TensorRT或ONNX Ru… · 在GPU上测试INT8推理速度与精度…
PTQ
TensorRT
17
QAT实战
在YOLOv11中插入伪量化节点(F… · 使用PyTorch的torch.qu…
QAT
YOLOv11
18
权重共享与低秩分解
SVD分解在全连接层中的应用 · 在YOLOv11的Detect He…
权重共享
低秩分解
19
知识蒸馏+剪枝联合压缩
设计一个先剪枝后蒸馏的联合压缩流水线 · 在YOLOv11上实现极致压缩比
知识蒸馏+剪枝联…
设计一个先剪枝后…
20
知识蒸馏+量化联合压缩
设计一个先蒸馏后量化的联合压缩流水线 · 在边缘设备(如Jetson Nano…
知识蒸馏+量化联…
设计一个先蒸馏后…
21
多教师蒸馏
集成多个YOLOv11变体(如YOL… · YOLOv11-X)作为教师 · 蒸馏一个轻量学生模型
多教师蒸馏
YOLOv11
22
自蒸馏(Self-Distillation)
让YOLOv11模型自己教自己 · 利用深层监督信号指导浅层特征学习
Self-Distill…
自蒸馏
23
对比学习辅助蒸馏
引入对比损失(InfoNCE) · 在特征空间中拉近教师与学生模型的同类… · 推远异类特征
对比学习辅助蒸馏
InfoNCE
24
目标检测专用蒸馏策略
针对YOLOv11的BBox回归头与… · 解决检测任务中的类别不平衡问题
目标检测专用蒸馏…
YOLOv11
25
NMS与后处理优化
在模型压缩后调整NMS阈值 · 使用Fast NMS或Cluster… · 减少后处理耗时
NMS
后处理优化
26
ONNX导出与优化
将压缩后的YOLOv11模型导出为O… · 使用onnx-simplifier进…
ONNX
导出
27
TensorRT部署实战
使用TensorRT对ONNX模型进… · 编写C++/Python推理引擎
TensorRT
部署实战
28
边缘端部署(Jetson/手机端)
在Jetson Orin或Andro… · 测试实时推理性能
Jetson
边缘端部署
29
模型压缩效果评估体系
建立完整的评估指标(mAP · FPS · 模型大小
模型压缩效果评估…
mAP
30
课程总结与前沿展望
回顾全流程知识图谱 · 讨论未来方向(自动化神经网络搜索NA… · 大模型蒸馏小模型
课程总结
前沿展望
所属VIP或分类
同VIP:YOLOv11-FP16量化与TensorRT推理加速实战
同VIP:YOLOv11-INT8量化校准与TensorRT部署实战
同VIP:YOLOv11剪枝后精度恢复与性能调优实战