📘 YOLOv10 · 实战目录
⚡ 30章 完整进阶
v10
01
YOLOv10 概述
发展史
YOLO系列发展史 · v8/v9核心改进 · 架构图解读
02
环境搭建
CUDA
CUDA/CuDNN版本选择 · PyTorch安装 · 源码依赖
03
数据集准备
LabelImg
标注工具 · COCO格式详解 · 自定义转换脚本
04
配置文件解析
yaml
模型配置文件逐行解读 · 数据配置参数含义
05
训练启动
多GPU
单GPU/多GPU分布式训练 · 断点续训技巧
06
训练监控
TensorBoard
可视化 · Loss曲线分析 · 学习率调度
07
数据增强策略
Mosaic
Mosaic/MixUp/Copy-Paste 原理与配置
08
模型选择
N/S/M/L/X
不同规模对比 · 参数量与计算量权衡
09
超参数调优
LR/Batch
学习率·Batch Size·Weight Decay 影响
10
损失函数详解
CIoU/DFL
分类损失 · 回归损失(CIoU/DFL) · 蒸馏损失
11
标签分配策略
TaskAligned
TaskAlignedAssigner原理 · 正负样本匹配
12
模型结构改进
C2f/SPPF
C2f模块 · SPPF模块 · RepVGG重参数化
13
注意力机制
SE/CBAM/CA
SE·CBAM·CA 集成与效果对比
14
NMS 优化
Soft-NMS
NMS原理 · Soft-NMS · DIoU-NMS 性能提升
15
模型量化
PTQ/QAT
PTQ与QAT量化 · TensorRT部署准备
16
ONNX 导出
动态Batch
转ONNX格式 · 动态Batch支持 · 简化模型
17
TensorRT 加速
FP16/INT8
引擎构建 · FP16/INT8精度推理
18
模型剪枝
通道剪枝
结构化剪枝原理 · YOLOv10通道剪枝实战
19
知识蒸馏
教师模型
教师选择 · 蒸馏损失设计 · 学生模型训练
20
多尺度训练
TTA
多尺度训练策略 · 测试时增强(TTA)
21
类别不平衡
Focal Loss
Focal Loss · 类别权重 · 重采样策略
22
小目标检测优化
特征金字塔
特征金字塔改进 · 高分辨率输入 · 数据增强
23
模型集成
Bagging/WBF
Bagging·Boosting·WBF 集成方法
24
推理优化
批量/异步
批量推理 · 异步推理 · 内存池优化
25
部署实战
Flask/Docker
Flask API封装 · Docker容器化部署
26
边缘端部署
Jetson/NCNN
Jetson Nano/Orin适配 · NCNN/TNN推理
27
性能评估
mAP/FPS
mAP·FPS·模型大小·内存占用全面评估
28
常见问题排查
Loss不降
Loss不下降·过拟合·显存溢出解决方案
29
项目实战·工业缺陷
检测
工业缺陷检测完整流程 (数据→训练→部署)
30
项目实战·智慧交通
车辆计数
车辆检测→跟踪→计数 完整流程