🚀
C++ 部署 Yolo
到边缘计算设备
📘 实战课程 · 30 章完整体系 · 从入门到部署
⚡ 边缘计算
🧠 Yolo v5/v8
🛠️ C++ 工程
📦 ONNX/TensorRT/NCNN
🤖 Jetson/RK3588
📚 共
30
章节
🎯
120+
知识点
💻
6
大推理引擎
📁
2
个实战项目
01
边缘计算概述
什么是边缘计算
为什么需要边缘计算
边缘计算 vs 云计算
典型应用场景
02
Yolo模型简介
Yolo发展史 v1~v8
单阶段检测核心思想
Yolo vs 其他检测模型
03
C++开发环境搭建
GCC/G++安装
CMake配置
VS Code / CLion
交叉编译工具链
04
OpenCV基础
OpenCV简介与安装
图像读取与显示
缩放/归一化预处理
Mat数据结构详解
05
ONNX Runtime基础
ONNX格式介绍
C++ API
模型加载与推理
输入输出张量操作
06
TensorRT基础
TensorRT简介
层融合/量化优化
C++ API
序列化与反序列化
07
NCNN基础
NCNN简介
C++ API
PyTorch/ONNX转NCNN
量化与优化
08
OpenVINO基础
OpenVINO简介
Model Optimizer
Inference Engine
C++ API实战
09
模型转换与优化
PyTorch转ONNX
ONNX转TensorRT
ONNX转NCNN
FP16/INT8量化
10
Yolo模型导出
Yolo v5/v8导出ONNX
导出TensorRT Engine
导出NCNN格式
导出OpenVINO IR
11
图像预处理流水线
BGR转RGB
Resize与Letterbox
归一化与通道转换
C++ SIMD优化
12
后处理算法
NMS原理
C++实现NMS
Yolo输出解码
多类别处理
13
ONNX Runtime部署Yolo
加载ONNX模型
构建推理会话
执行推理与解析
性能测试
14
TensorRT部署Yolo
构建TensorRT引擎
执行推理
动态batch处理
性能调优
15
NCNN部署Yolo
加载NCNN模型
执行推理
Vulkan加速
性能对比
16
OpenVINO部署Yolo
加载IR模型
配置CPU/GPU/VPU
异步推理
性能测试
17
多线程推理优化
生产者-消费者模型
线程池实现
流水线并行
帧率提升实战
18
内存管理优化
内存池设计
零拷贝技术
缓存友好访问
避免内存碎片
19
边缘设备适配
Jetson Nano/TX2/Orin
树莓派适配
RK3588适配
算能BM1684适配
20
摄像头实时推理
V4L2摄像头采集
RTSP流处理
多路摄像头并行
低延迟优化
21
视频文件推理
FFmpeg解码集成
视频帧队列管理
跳帧策略
结果可视化
22
推理结果可视化
OpenCV绘制检测框
标签与置信度显示
FPS显示
多窗口管理
23
性能基准测试
FPS测量方法
延迟测量(预处理/推理/后处理)
功耗测量
内存占用分析
24
模型精度验证
mAP计算
混淆矩阵
PR曲线
与Python推理对比
25
错误处理与日志
异常捕获机制
spdlog日志系统
错误码定义
调试技巧
26
配置文件管理
JSON/YAML解析
模型路径配置
推理参数配置
多环境配置
27
API接口封装
推理引擎封装为类
工厂模式创建引擎
回调函数设计
线程安全保证
28
项目工程化
CMakeLists.txt编写
vcpkg/conan管理
Google Test单元测试
持续集成
29
实战项目一：智能门禁系统
人脸检测+口罩检测
多模型串联
实时告警
部署到Jetson Nano
30
实战项目二：工业缺陷检测
产品表面缺陷检测
高分辨率图像处理
多尺度检测
部署到RK3588