🚗 YOLO · 车载场景优化实战
30章 从入门到部署
01
车载视觉感知概述
自动驾驶分级与视觉任务
车载摄像头特性与挑战
YOLO系列应用现状
↗
02
YOLOv5基础回顾
Backbone/Neck/Head
CIoU Loss
Mosaic数据增强
↗
03
车载数据集构建
BDD100K & SODA10M
车载标注规范
数据清洗与不平衡处理
↗
04
小目标检测优化 (上)
Anchor聚类优化
多尺度特征融合(BiFPN)
↗
05
小目标检测优化 (下)
注意力机制(SE/CBAM/CA)
小目标检测层添加策略
↗
06
夜间与低光照优化
CLAHE/Retinex增强
低光照鲁棒性训练
MixUp/CutMix
↗
07
恶劣天气鲁棒性
去雾算法集成
雨雪噪声对抗训练
域适应泛化
↗
08
模型轻量化 (上)
MobileNet/ShuffleNet Backbone
深度可分离卷积Neck
↗
09
模型轻量化 (下)
结构化/非结构化剪枝
知识蒸馏
INT8量化部署
↗
10
NMS优化
Soft-NMS / DIoU-NMS
Center-point NMS
嵌入式端加速
↗
11
多任务学习
YOLO+车道线检测
可行驶区域分割
多任务损失平衡
↗
12
3D目标检测基础
单目3D检测原理
YOLO 3D框回归
BEV视角优化
↗
13
时序信息融合
光流帧间特征对齐
YOLO+ConvLSTM
Tracking-by-Detection
↗
14
模型部署 (ONNX/TensorRT)
YOLO转ONNX踩坑
TensorRT动态batch/FP16
INT8量化校准
↗
15
嵌入式端优化 (Jetson/Edge)
TensorRT on Orin
DLA加速器
多线程Pipeline
↗
16
模型鲁棒性测试
对抗样本(FGSM/PGD)
OOD检测
Temperature Scaling
↗
17
数据闭环与主动学习
不确定性采样
难例挖掘
Corner Case收集
↗
18
模型压缩与加速
Winograd卷积加速
RepVGG重参数化
FPGA加速器设计
↗
19
Transformer在车载YOLO
Attention替换C3
Swin Transformer Backbone
DETR-like端到端
↗
20
多传感器融合
YOLO+LiDAR融合
BEV Camera-LiDAR
Radar测距优化
↗
21
模型可解释性
Grad-CAM热力图
特征图可视化
决策边界分析
↗
22
持续学习与增量训练
EWC防止遗忘
知识蒸馏增量学习
模型OTA更新
↗
23
仿真环境与数据生成
CARLA/SUMO仿真
域随机化
GAN生成对抗样本
↗
24
模型评估与指标
mAP局限性
FPS与延迟权衡
夜间/雨天评估
↗
25
工程化落地 (上)
模型版本管理(DVC/MLflow)
自动化Pipeline(Kubeflow)
CI/CD for ML
↗
26
工程化落地 (下)
A/B测试框架
模型监控/告警(Drift)
车载计算资源调度
↗
27
前沿研究 (上)
YOLOv8/v9/v10新特性
DAMO-YOLO / Gold-YOLO
Mamba视觉架构
↗
28
前沿研究 (下)
端到端自动驾驶(UniAD)
世界模型与预测
VLM辅助感知
↗
29
综合实战项目 (一)
从零搭建车载YOLO系统
数据准备→训练→量化部署
实车测试
↗
30
综合实战项目 (二)
性能调优与Bug修复
常见问题排查
课程总结与展望
↗