多模型集成·实战目录
📘 30章 · YOLO + 分类器
v8
01
课程导论与项目全景
🚀 总览
多模型集成概念 · YOLO+分类器场景 · 车牌/工业质检
02
OpenCV基础回顾（一）
图像读取、显示、保存、色彩空间转换 BGR↔RGB
03
OpenCV基础回顾（二）
缩放、裁剪、旋转、仿射变换实战
04
OpenCV基础回顾（三）
滤波(高斯/中值)、Canny边缘检测、形态学操作
05
YOLO目标检测原理
发展史v3/v5/v8 · 锚框 · NMS
06
YOLOv8环境搭建
安装Ultralytics · 预训练模型 · CPU/GPU推理
07
YOLOv8基础检测
OpenCV读取视频流 · 逐帧检测 · 绘制边界框
08
YOLOv8模型导出
导出ONNX · ONNX Runtime推理加速
09
分类器基础（一）
SVM、KNN原理与OpenCV调用
10
分类器基础（二）
ResNet、MobileNet原理与ONNX推理
11
分类器训练实战（一）
数据集准备 · 数据增强(翻转/亮度)
12
分类器训练实战（二）
PyTorch训练车牌字符分类器
13
分类器训练实战（三）
混淆矩阵 · 准确率/召回率 · 导出ONNX
14
串联架构设计（一）
Pipeline设计 · YOLO→裁剪ROI→分类器
15
串联架构设计（二）
ROI裁剪策略 · 固定比例/Padding/透视校正
16
串联架构设计（三）
多目标Batch推理 · 异步处理
17
代码实战（一）
基础Pipeline · 视频→YOLO→裁剪→分类→显示
18
代码实战（二）
多线程分离视频读取与模型推理
19
代码实战（三）
Queue管理帧数据与结果数据
20
代码实战（四）
TensorRT加速YOLO与分类器 (简介/配置)
21
车牌识别系统（一）
车牌检测(YOLO) → 透视变换 → 字符分割
22
车牌识别系统（二）
字符分类器训练与集成 · 输出车牌号码
23
工业缺陷检测（一）
缺陷数据集 · YOLO训练缺陷检测模型
24
工业缺陷检测（二）
缺陷分类(划痕/凹陷/脏污)与分级
25
工业缺陷检测（三）
实时检测看板 · OpenCV绘图+状态统计
26
模型部署（一）
Pipeline打包为Python模块 · argparse
27
模型部署（二）
Flask搭建Web API · 上传图片返回结果
28
模型部署（三）
ONNX Runtime + OpenCV C++ 跨平台部署
29
常见问题与调试
检测框抖动 · 置信度低 · 内存泄漏 · 帧率瓶颈
30
课程总结与进阶方向
多模型集成设计模式 · 多模态/端侧部署
⚡🧠