📘
嵌入式视觉 · 模型选型实战
30章 从入门到部署
🎯 轻量级 · 嵌入式
NPU
⚡ 30个实战章节
01
嵌入式视觉概述
导论
什么是嵌入式视觉 · 目标检测在嵌入式端的挑战 · 课程目标与学习路径
02
硬件平台认知
芯片
Jetson / RK3588 / 树莓派 / K210 对比 · 算力与功耗权衡
03
模型选型核心指标
权衡
FPS · mAP · 模型大小 · 内存占用 · 功耗 —— 如何平衡
04
轻量级CNN基础
轻量化
深度可分离卷积 · 分组卷积 · 通道混洗 —— 三大法宝
05
MobileNet系列详解
演进
V1/V2/V3/V4 演进 · 核心创新点 · 适用场景对比
06
ShuffleNet系列详解
通道混洗
V1/V2 设计哲学 · Channel Shuffle 机制 · 实际部署表现
07
EfficientNet-Lite系列
NAS
神经架构搜索 · Lite版本针对移动端的优化
08
YOLO系列（上）
经典
YOLOv1~v5 核心思想 · Anchor机制 · 损失函数演进
09
YOLO系列（下）
前沿
YOLOv6~v8 · YOLO-NAS · PP-YOLOE —— 工业实践
10
YOLO轻量变体
裁剪
YOLOv5-Lite · YOLOX-Nano · YOLOv8-Nano 嵌入式版
11
SSD与RetinaNet
单阶段
Focal Loss · 正负样本不平衡 · 轻量化改造
12
NanoDet系列
极致
设计理念 · Assigner机制 · 移动端极致优化
13
Transformer轻量化
ViT
MobileViT · EdgeNeXt · EfficientFormer 嵌入式适配
14
Anchor-Free检测器
无锚
FCOS · CenterNet · TTFNet —— 更适合嵌入式？
15
模型压缩技术（上）
剪枝
结构化/非结构化剪枝 · 如何剪掉40%参数
16
模型压缩技术（下）
量化
INT8/INT4量化 · PTQ与QAT · 量化感知训练实战
17
知识蒸馏
蒸馏
教师-学生架构 · Logit/Feature蒸馏 · 轻量模型学知识
18
部署工具链（上）
ONNX
ONNX与TensorRT · 模型转换 · 算子兼容性 · 动态形状
19
部署工具链（下）
推理引擎
NCNN · Tengine · OpenVINO —— 国产与开源横评
20
端侧推理框架
移动端
TFLite · CoreML · MediaPipe —— 手机与IoT部署
21
数据增强策略
增强
Mosaic · MixUp · CutMix · AutoAugment —— 小模型更需要
22
训练技巧
调优
学习率调度 · Warmup · Label Smoothing · EMA
23
模型选型决策树
决策
根据算力/帧率/精度需求，一步步选出最优模型
24
实际案例1：智能安防
安防
人脸检测 · 行人检测 · 模型选型与部署
25
实际案例2：工业质检
工业
缺陷检测 · 模型选型 · 小目标检测优化
26
实际案例3：自动驾驶辅助
驾驶
车道线检测 · 车辆检测 · 实时性要求
27
实际案例4：智能家居
家居
手势识别 · 宠物检测 · 低功耗方案
28
性能调优
榨干性能
算子融合 · 内存复用 · 多线程优化
29
精度与速度的博弈
A/B测试
A/B测试验证上线效果 · 回滚策略
30
课程总结与未来趋势
展望
端侧大模型 · NPU架构演进 · 学习建议