01
视觉仿生算法概述
仿生视觉的生物学基础、算法分类（视网膜模型、皮层模型）、在ARM平台的应用前景与挑战。
生物学基础算法分类前景挑战
02
ARM平台基础
ARM Cortex-A系列与M系列架构对比、NEON指令集简介、内存层级与缓存策略。
架构对比NEON缓存策略
03
开发环境搭建
交叉编译工具链配置（GCC for ARM）、OpenCV for ARM编译、性能分析工具（perf, gprof）安装。
交叉编译OpenCVperf/gprof
04
算法量化基础
浮点与定点运算对比、量化误差分析、ARM平台下的量化工具（如TFLite Micro）。
浮点vs定点误差分析TFLite Micro
05
NEON指令集入门
向量化编程思想、加载/存储指令、算术与逻辑指令、实战：向量加法与点积。
向量化加载/存储点积实战
06
内存优化策略
数据对齐（Alignment）、缓存友好访问模式、DMA传输与乒乓缓冲。
数据对齐缓存友好DMA乒乓
07
循环优化技巧
循环展开（Loop Unrolling）、循环合并与分裂、软件流水线（Software Pipelining）。
循环展开合并分裂软件流水线
08
Gabor滤波器优化
Gabor滤波器原理、标准实现与瓶颈分析、NEON加速实现、实验结果对比。
Gabor原理瓶颈分析NEON加速
09
高斯差分（DoG）优化
DoG原理、多尺度实现、定点化近似与查表法加速。
多尺度定点近似查表法
10
方向梯度直方图（HOG）优化
HOG特征提取流程、块归一化技巧、ARM上的并行化实现。
特征提取块归一化并行化
11
局部二值模式（LBP）优化
LBP变体（圆形、旋转不变）、查表法加速、与NEON结合。
圆形LBP旋转不变查表+NEON
12
SIFT特征点检测优化
尺度空间构建、关键点定位、描述子生成中的计算热点与优化。
尺度空间关键点描述子优化
13
光流法优化
Lucas-Kanade光流、金字塔实现、稀疏与稠密光流的ARM优化。
LK光流金字塔稀疏/稠密
14
背景建模优化
混合高斯模型（GMM）、ViBe算法、内存与计算优化。
GMMViBe内存优化
15
CNN在ARM上的部署
模型压缩（剪枝、量化）、推理框架（NCNN, TNN）集成。
模型压缩剪枝量化NCNN/TNN
16
激活函数优化
ReLU、Sigmoid、Tanh的快速近似计算、查表法与多项式拟合。
ReLUSigmoid/Tanh多项式拟合
17
池化层优化
最大池化、平均池化的NEON实现、避免边界分支。
最大池化平均池化NEON
18
全连接层优化
矩阵乘法的NEON优化（如4x4分块）、Winograd算法简介。
矩阵乘法4x4分块Winograd
19
多线程与异步处理
Pthread与OpenMP在ARM上的使用、任务流水线设计、负载均衡。
PthreadOpenMP任务流水线
20
缓存优化实战
数据预取（Prefetch）、Cache Line对齐、避免Cache Thrashing。
数据预取Cache LineThrashing
21
汇编级优化
内联汇编基础、寄存器分配、指令调度、NEON汇编实战。
内联汇编寄存器指令调度
22
功耗优化
DVFS策略、CPU亲和性设置、降低内存带宽消耗。
DVFSCPU亲和性内存带宽
23
实时性保障
帧率稳定性分析、最差情况执行时间（WCET）估计、优先级反转处理。
帧率稳定WCET优先级反转
24
调试与Profiling
使用perf进行热点分析、使用Valgrind检测内存问题、使用Streamline进行可视化分析。
perfValgrindStreamline
25
案例：仿生视网膜预处理
基于Retina模型的亮度适应与边缘增强、ARM端实时实现。
Retina模型亮度适应边缘增强
26
案例：仿生视觉SLAM
ORB-SLAM在ARM上的轻量化、特征提取与匹配优化。
ORB-SLAM轻量化特征匹配
27
案例：仿生目标跟踪
KCF跟踪器优化、特征融合与尺度估计。
KCF特征融合尺度估计
28
案例：仿生图像增强
基于Retinex理论的增强算法、ARM端加速。
Retinex图像增强ARM加速
29
案例：仿生深度估计
基于双目视觉的深度计算、SGM算法优化。
双目视觉深度计算SGM优化
30
综合实战：完整视觉仿生管道
从图像采集到特征输出，全流程ARM优化与性能调优总结。
全流程ARM优化性能调优