VIP20
本课程属于：031-OpenCV与YOLO实时　流目标检测实战 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

OpenCV　帧处理与YOLO推理加速

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
课程导学
为什么需要帧处理加速？YOLO推理的… · 课程目标与学习路径
课程导学YOLO
02
OpenCV基础回顾
图像读取 · 显示 · 保存
OpenCV基础回顾
03
视频帧读取基础
cv2.VideoCapture的使… · 帧率 · 分辨率参数获取与设置
视频帧读取基础cv2.VideoCap…
04
YOLO模型基础
YOLOv8模型结构简介 · ONNX与TensorRT模型格式对…
YOLO模型基础
05
ONNX Runtime推理
使用ONNX Runtime加载YO… · 前向推理流程
ONNXRuntime
06
后处理加速
NMS（非极大值抑制）的优化策略 · 向量化实现
后处理加速NMS
07
多线程帧采集
生产者-消费者模式 · 独立线程采集帧 · 解决I/O阻塞
多线程帧采集生产者
08
帧队列设计
基于queue.Queue的帧缓冲 · 控制队列大小防止内存溢出
帧队列设计queue.Queue
09
流水线架构
采集-预处理-推理-后处理-显示 · 五阶段流水线设计
流水线架构采集
10
预处理加速
图像缩放 · 归一化 · 通道转换的OpenCV优化技巧
预处理加速图像缩放
11
批量推理
将多帧打包成batch · 减少模型调用次数 · 提升吞吐量
批量推理batch
12
异步推理
使用线程池/进程池实现非阻塞推理 · 提高CPU利用率
异步推理使用线程池
13
TensorRT基础
TensorRT的安装与配置 · 模型转换（ONNX→TensorRT…
TensorRT的安装
14
TensorRT推理引擎
创建推理引擎 · 执行上下文管理 · 内存绑定
TensorRT推理引擎
15
FP16与INT8量化
模型量化原理 · 精度与速度的权衡 · 实际部署经验
FP16INT8
16
多GPU并行
使用CUDA流实现多GPU推理 · 负载均衡策略
GPU并行
17
零拷贝技术
GPU内存直接映射 · 避免CPU-GPU数据搬运开销
零拷贝技术GPU
18
视频解码硬件加速
使用NVDEC/NVENC进行硬件解… · 减少CPU负载
视频解码硬件加速NVDEC/NVENC
19
帧跳过策略
动态帧跳过算法 · 根据运动检测调整推理频率
帧跳过策略动态帧跳过算法
20
感兴趣区域（ROI）裁剪
只对ROI区域进行推理 · 减少计算量
ROI感兴趣区域
21
模型剪枝与蒸馏
YOLO模型轻量化技术 · 保持精度同时提升速度
模型剪枝蒸馏
22
DeepStream集成
NVIDIA DeepStream… · 与YOLO模型结合
DeepStream集成
23
性能Profiling
使用NVIDIA Nsight Sy… · 定位耗时环节
Profiling性能
24
内存管理优化
预分配内存池 · 减少动态内存分配开销
内存管理优化预分配内存池
25
多路视频流处理
同时处理多路摄像头 · 资源调度与隔离
多路视频流处理同时处理多路摄像…
26
边缘端部署
Jetson Nano/Orin上的… · 功耗与性能平衡
边缘端部署Jetson
27
实时可视化
使用cv2.imshow与多线程显示 · 避免界面卡顿
实时可视化cv2.imshow
28
日志与监控
记录FPS · 延迟 · CPU/GPU利用率
日志监控
29
综合实战
构建一个完整的实时目标检测系统 · 端到端性能调优
综合实战构建一个完整的实…
30
课程总结
常见问题排查 · 性能优化checklist · 未来技术趋势展望
课程总结常见问题排查