很多人学计算机视觉，卡的地方其实不在论文，也不在训练脚本，而在「模型训练完之后怎么办」。PyTorch 里跑通一个网络只是第一步，真要落到工程里，往往要面对导出、格式转换、推理加速、后处理对齐这一整套问题。这门专题针对的正是这个缺口：它不谈空洞的算法史，而是围绕 OpenCV 与 ONNX Runtime，把检测、分割、姿态这几类主流视觉任务从模型到推理的链路讲一遍。

它补的是哪块能力

如果你已经能用 PyTorch 或 Paddle 跑通一个开源模型，但被下面这些问题绊住，这门课就是对症的：训练好的权重怎么变成部署可用的格式？ONNX 导出后为什么推理结果和原框架对不上？同一份模型，怎么用 ONNX Runtime 跑出比原始推理更低的延迟？

课程的重心落在推理侧，而不是训练侧。它假定你有一定的深度学习基础，能看懂网络结构、损失函数和评估指标，缺的是把模型真正「用起来」的那一段工程经验。所以它不铺垫反向传播、卷积原理这些前置内容，直接进入部署与加速的具体操作。

覆盖的任务类型与顺序

从任务划分看，专题按视觉任务的典型分支展开，而不是按 API 逐个罗列：

对象检测：以 Faster R-CNN 为例，走完模型准备到推理输出的流程，重点在后处理阶段如何与 OpenCV 的接口配合。
实例分割：在检测基础上增加掩码分支，Mask R-CNN 的推理会牵出掩码解码、阈值处理和可视化的问题。
语义分割：DeepLabV3 覆盖的是逐像素分类这条线，和检测类任务的输出形态完全不同，后处理思路也不一样。
姿态评估：KeyPoint R-CNN 处理的是关键点回归，涉及关键点置信度、骨架连接等推理细节。
模型导出与简化：单独把 ONNX 导出、图简化这一步拎出来讲，因为它是后面所有推理任务的前提。

这个排序是有意的：先解决格式问题，再按任务复杂度递进。检测比分割容易对齐，分割又比姿态的关键点多，逐层加码。

练习时容易踩的坑

这类内容光看是学不会的，因为部署环节的错误往往藏在细节里。几个常见的卡点值得提前留意：

导出 ONNX 时动态轴没设对，换一张分辨率不同的图就报错。
输入预处理（归一化均值方差、通道顺序、尺寸缩放）在训练和推理两端不一致，结果看起来「能跑但不对」。
后处理的阈值、NMS 参数、坐标还原方式与原框架有偏差，导致框的位置或数量对不上。
ONNX Runtime 的执行提供者（CPU、CUDA 等）没选对，加速效果出不来。

建议每看完一类任务的推理，都自己换一张测试图重跑一遍，并和原框架的输出做逐项对比，而不是只看演示能否出结果。差异往往就在预处理的几步里。

看完应该能回答的问题

用来自测的标准很直接，如果能顺畅回答下面这些，说明这一遍没白看：

一个训练好的检测模型，从权重到 ONNX Runtime 可推理，中间要经过哪几步，每步可能出什么错？
为什么语义分割和实例分割的后处理不能套用同一套逻辑？
姿态评估输出的关键点，怎么判断哪些是可信的，怎么画到原图上？
同样一份 ONNX 模型，影响推理速度的因素有哪些，哪些是模型层面的，哪些是运行时层面的？

如果这些问题你目前只能答出一半，那这门专题的内容正好落在你的缺口上；如果大部分都能答上来，那可以跳过基础部分，只看模型简化与加速的章节。缺什么补什么，不必从头到尾一律对待。

OpenCV学堂深度学习系统化学习路线图专题(2023版)

深度学习与计算机视觉模型部署实战

编辑点评

系统化讲解深度学习在计算机视觉中的应用，涵盖模型部署与加速，适合希望深入理解CV与深度学习结合的读者。

⭐ 编辑推荐

全面解析OpenCV与深度学习模型部署，从入门到实战，助你掌握CV模型部署与加速技巧。

课程亮点

• OpenCV深度学习应用

• 模型部署与加速

• 实战案例丰富

课程目录

├──ONNXRUNTIME计算机视觉模型部署与加速教程
| ├──Deeplabv3语义分割模型推理_ev.mp4 57.61M
| ├──FasterRCNN对象检测推理_ev.mp4 56.87M
| ├──KeyPointRCNN姿态评估推理_ev.mp4 28.70M
| ├──MaskRCNN实例分割推理_ev.mp4 41.46M
| ├──ONNX模型导出与简化_ev.mp4 41.39M
| ├──Python SDK介绍与推理演示_ev.mp4 51.39M
| ├──ResNet图像分类推理_ev.mp4 49.98M
| ├──RetinaNet对象检测推理_ev.mp4 25.15M
| ├──UNet语义分割模型推理_ev.mp4 51.73M
| ├──YOLOv5对象检测推理_ev.mp4 80.12M
| ├──YOLOv5实例分割模型推理_ev.mp4 69.18M
| ├──YOLOv6人脸关键点检测模型推理_ev.mp4 36.91M
| ├──YOLOv8对象检测推理_ev.mp4 34.07M
| ├──YOLOv8实例分割模型推理_ev.mp4 30.51M
| ├──YOLOv8姿态评估模型推理_ev.mp4 59.68M
| ├──工程化SDK接口封装技巧_ev.mp4 33.93M
| ├──课程概述_ev.mp4 51.55M
| ├──课程总结_ev.mp4 18.23M
| └──推理SDK与流程_ev.mp4 50.99M
├──OpenVINO2022计算机视觉模型部署与加速教程
| ├──MaskRCNN实例分割部署_ev.mp4 81.03M
| ├──OpenVINO SDK介绍与开发流程_ev.mp4 40.02M
| ├──OpenVINO2023版本安装与开发配置_ev.mp4 45.08M
| ├──PixelLink场景文字检测_ev.mp4 56.24M
| ├──Python版YOLOv5部署推理_ev.mp4 26.77M
| ├──Python版本环境配置_ev.mp4 25.47M
| ├──pytorch模型转换与部署_ev.mp4 55.62M
| ├──RCNN场景文字识别_ev.mp4 70.21M
| ├──ResNet18实现图像分类_ev.mp4 81.80M
| ├──SSD车辆与车牌检测_ev.mp4 50.70M
| ├──YOLOv5模型部署与推理_ev.mp4 37.52M
| ├──车牌识别_ev.mp4 75.25M
| ├──环境搭建_ev.mp4 59.04M
| ├──课程概述_ev.mp4 36.88M
| ├──人脸landmark检测_ev.mp4 44.36M
| ├──实时人脸表情识别_ev.mp4 78.47M
| ├──实时人脸检测之异步推理_ev.mp4 87.49M
| ├──实时语义道路分割_ev.mp4 51.93M
| ├──行人检测_ev.mp4 67.03M
| ├──知识点总结_ev.mp4 43.01M
| └──自定义模型训练部署支持_ev.mp4 49.26M
├──Pytorch框架CV开发-从入门到实战
| ├──ch1_001-课程概述_ev.mp4 47.10M
| ├──CNN训练保存与使用_ev.mp4 19.92M
| ├──Faster-RCNN对象检测模型详解_ev.mp4 76.31M
| ├──Faster-RCNN自定义对象检测模型训练_ev.mp4 50.10M
| ├──Mask-RCNN实例分割模型构建与训练_ev.mp4 22.37M
| ├──Mask-RCNN实例分割模型介绍_ev.mp4 33.53M
| ├──Mask-RCNN实例分割模型推理预测演示_ev.mp4 23.20M
| ├──Mask-RCNN行人实例分割之数据集准备_ev.mp4 43.90M
| ├──numpy基础操作_ev.mp4 42.65M
| ├──OpenCV基础操作_ev.mp4 34.82M
| ├──Pytorch基础算子操作_ev.mp4 55.36M
| ├──Pytorch中的基础数据集_ev.mp4 57.67M
| ├──Pytorch中训练可视化_ev.mp4 48.96M
| ├──Pytorch自定义数据集类_ev.mp4 64.48M
| ├──ResNet18缺陷图像数据分类模型训练_ev.mp4 39.39M
| ├──torchvision对象检测框架介绍_ev.mp4 53.12M
| ├──UNet道路裂纹检测推理演示_ev.mp4 30.06M
| ├──UNet语义分割模型设计与训练_ev.mp4 28.64M
| ├──UNet语义分割之道路裂纹数据集制作_ev.mp4 25.39M
| ├──车辆属性识别之模型设计与训练_ev.mp4 32.55M
| ├──车辆属性识别之实时车辆颜色与车型识别演示_ev.mp4 44.04M
| ├──车辆属性识别之数据集制作_ev.mp4 26.86M
| ├──导出ONNX格式与OpenCV DNN部署_ev.mp4 30.04M
| ├──对象自定义数据集标注与制作_ev.mp4 53.42M
| ├──构建手写数字识别CNN网络_ev.mp4 25.55M
| ├──卷积的基本概念与术语_ev.mp4 40.77M
| ├──卷积神经网络基本原理_ev.mp4 59.60M
| ├──课程总结与福利_ev.mp4 29.40M
| ├──逻辑回归_ev.mp4 30.16M
| ├──模型保存与预测调用_ev.mp4 30.59M
| ├──年龄与性别预测之模型设计与训练_ev.mp4 37.60M
| ├──年龄与性别预测之实时预测推理_ev.mp4 36.42M
| ├──年龄与性别预测之数据集制作_ev.mp4 33.64M
| ├──迁移学习概念与框架介绍_ev.mp4 32.47M
| ├──全卷积人脸表情识别网络之设计与训练_ev.mp4 25.48M
| ├──全卷积人脸表情识别网络之实时表情识别预测_ev.mp4 31.82M
| ├──全卷积人脸表情识别网络之数据集制作_ev.mp4 28.80M
| ├──缺陷品图像分类模型推理与部署_ev.mp4 53.62M
| ├──人工神经网络基础理论与概念_ev.mp4 71.06M
| ├──人脸landmakr五点检测模型推理与部署_ev.mp4 41.50M
| ├──人脸landmark模型设计与训练_ev.mp4 48.42M
| ├──人脸landmark数据集制作_ev.mp4 24.16M
| ├──手写数字识别人工神经网络构建与训练_ev.mp4 65.68M
| ├──图像语义分割概念与反卷积_ev.mp4 58.08M
| ├──线性回归_ev.mp4 36.17M
| ├──验证码识别网络之设计与训练_ev.mp4 48.53M
| ├──验证码识别网络之数据_ev.mp4 27.47M
| ├──验证码识别网络之推理预测_ev.mp4 21.43M
| ├──自定义对象检测模型推理预测演示_ev.mp4 29.07M
| └──自动梯度计算_ev.mp4 46.20M
├──TensorRT8.6 计算机视觉模型部署与加速教程
| ├──Deeplabv3语义分割模型部署_ev.mp4 45.67M
| ├──INT8的UNet语义分割部署_ev.mp4 18.42M
| ├──INT8量化脚本实现量化加速_ev.mp4 74.65M
| ├──Python版YOLOv5对象检测部署_ev.mp4 28.55M
| ├──Python版YOLOv8对象检测部署_ev.mp4 36.80M
| ├──ResNet18图像分类部署_ev.mp4 55.07M
| ├──TensorRT SDK_ev.mp4 34.75M
| ├──UNet语义分割模型部署_ev.mp4 58.08M
| ├──YOLOv5对象检测推理_ev.mp4 54.47M
| ├──YOLOv5实例分割模型部署_ev.mp4 72.60M
| ├──YOLOv5推理工程化封装_ev.mp4 70.61M
| ├──YOLOv6对象检测推理_ev.mp4 32.69M
| ├──YOLOv7对象检测推理_ev.mp4 30.63M
| ├──YOLOv8对象检测推理_ev.mp4 44.56M
| ├──YOLOv8实例分割模型部署_ev.mp4 48.15M
| ├──环境搭建_ev.mp4 48.60M
| ├──课程概述_ev.mp4 33.27M
| ├──课程总结_ev.mp4 25.78M
| ├──模型转换与准备工作_ev.mp4 31.99M
| └──使用CUDA实现图像预处理_ev.mp4 32.87M
├──YOLOv5模型注意力改进详解与实现
| ├──CA注意力模块详解_ev.mp4 40.95M
| ├──CBAM注意力版YOLOv5模型部署_ev.mp4 30.63M
| ├──CBAM注意力版YOLOv5模型修改_ev.mp4 56.46M
| ├──CBAM注意力模块解释_ev.mp4 38.92M
| ├──ch0_001-课程概述与说明_ev.mp4 42.81M
| ├──ch6_003-部署YOLOv5 CA注意力版模型_ev.mp4 24.60M
| ├──ECA注意力版YOLOv5模型修改_ev.mp4 42.70M
| ├──ECA注意力模块解释_ev.mp4 6.70M
| ├──GAM注意力版YOLOv5模型修改_ev.mp4 30.24M
| ├──GAM注意力模块详解_ev.mp4 20.81M
| ├──SE注意力模块解释_ev.mp4 23.17M
| ├──YOLOv5 SE注意力版模型部署_ev.mp4 24.80M
| ├──YOLOv5模块CA注意力改进实现_ev.mp4 40.05M
| ├──YOLOv5模型结构代码详解_ev.mp4 41.34M
| ├──YOLOv5模型结构详解_ev.mp4 33.52M
| └──YOLOv5模型添加SE注意力模块_ev.mp4 51.98M
├──YOLOv5新版7.0 自定义对象检测-从训练到部署
| ├──CPU与GPU C推理_ev.mp4 75.28M
| ├──ONNXRUNTIME部署与推理演示_ev.mp4 34.28M
| ├──OpenCV DNN部署与推理演示_ev.mp4 44.72M
| ├──OpenVINO2022部署与推理演示_ev.mp4 32.57M
| ├──TensorRT部署与推理_ev.mp4 118.76M
| ├──TensorRT上INT8模型量化与部署_ev.mp4 48.19M
| ├──YOLOv5部署之OpenCV DNN详解_ev.mp4 46.90M
| ├──YOLOv5模型结构详解_ev.mp4 35.34M
| ├──课程概述与环境搭建_ev.mp4 43.41M
| ├──模型可视化与精度详解_ev.mp4 38.48M
| ├──数据集配置与模型训练_ev.mp4 34.62M
| ├──训练参数与训练可视化与验证_ev.mp4 53.52M
| └──自定义数据集标注与数据转换_ev.mp4 51.98M
├──YOLOv8自定义对象检测、实例分割、目标跟踪从训练到部署
| ├──1.YOLOv8概述与环境测试_ev.mp4 45.51M
| ├──10.模型推理与ONNX格式导出_ev.mp4 24.21M
| ├──11.YOLO实例分割数据集格式与制作_ev.mp4 29.14M
| ├──12.实例分割模型结构说明与训练_ev.mp4 23.66M
| ├──13.实例分割模型推理与ONNX导出_ev.mp4 19.89M
| ├──14.YOLOv8模型部署-推理平台概述_ev.mp4 27.07M
| ├──14.YOLOv8实现自定义对象跟踪_ev.mp4 41.87M
| ├──16.YOLOv8对象检测模型部署与推理_ev.mp4 57.57M
| ├──17.YOLOv8实例分割模型部署与代码演示_ev.mp4 46.55M
| ├──18.YOLOv8自定义对象检测TensorRT部署_ev.mp4 57.83M
| ├──19.课程总结_ev.mp4 25.77M
| ├──2.结构可视化与不同精度模型比较_ev.mp4 35.47M
| ├──3.YOLOv8网络整体结构说明_ev.mp4 31.20M
| ├──4.backbone组件C2f与SPPF_ev.mp4 35.11M
| ├──5.header组件结构详解_ev.mp4 36.17M
| ├──6.标签指派与新损失函数_ev.mp4 42.35M
| ├──7.YOLOv8源码结构解读与工程化启示_ev.mp4 44.54M
| ├──8…数据标注与YOLO格式数据集制作_ev.mp4 49.55M
| └──9…训练参数详解与可视化及不同精度对比_ev.mp4 33.11M
└──资料
| ├──ONNXRUNTIME计算机视觉模型部署与加速教程(相关资料)
| | ├──01.ONNXRUNTIME计算机视觉模型部署教程.pdf 2.41M
| | ├──02.ORT课程源码.zip 39.45kb
| | └──03.模型文件合集.zip 840.61M
| ├──OpenVINO2022计算机视觉模型部署与加速教程(相关资料)
| | ├──01.测试图像与视频.zip 138.08M
| | ├──02.openvino2022_sourcecode.zip 26.97kb
| | ├──03.课程模型文件.zip 358.72M
| | └──04.yolov5_7_async_callback_openvino2023.zip 2.46M
| ├──Pytorch框架CV开发-从入门到实战(相关资料)
| | ├──01.测试图像与视频.zip 63.28M
| | ├──02.九大案例数据集.zip 720.61M
| | ├──03.课程课件PDF版.zip 30.43M
| | └──04.vehicle-detection-0202.zip 6.50M
| ├──TensorRT8.6 计算机视觉模型部署与加速教程(相关资料)
| | ├──01.TensorRT8.x计算机视觉模型部署与加速教程.pdf 3.06M
| | ├──02.tensorrt86 C代码资料.zip 25.28M
| | └──03.量化脚本资料.zip 60.79M
| ├──YOLOv5模型注意力改进详解与实现(相关资料)
| | ├──01.camel_elephant_training.zip 834.15M
| | ├──02.yolov5-7.0-attention.zip 212.14M
| | └──03.注意力论文.zip 6.32M
| ├──YOLOv5新版7.0 自定义对象检测-从训练到部署(相关资料)
| | ├──01.yolov5_6.x_cpp_inference_gpu_cpu.zip 4.99kb
| | ├──02.yolov5_tensorrt_int8_tools.zip 7.00M
| | └──03.课程全部源码与数据集-修改版yolov5-6.1.zip 276.83M
| └──YOLOv8自定义对象检测、实例分割、目标跟踪从训练到部署(相关资料)
| | ├──01.YOLOv8课程数据集.zip 147.21M
| | ├──02.yolov8模型文件.zip 95.14M
| | ├──03.YOLOv8对象检测与实例分割从训练到部署.pdf 6.10M
| | └──04.YOLOv8代码与资料.zip 2.72M

适合人群

计算机视觉爱好者
深度学习从业者
算法工程师

学习收获

掌握CV模型部署方法

学习模型加速技巧

提升计算机视觉实战能力

祝您学习愉快！

学有所成，前程似锦！

课程目录

ONNXRUNTIME计算机视觉模型部署与加速教程
Deeplabv3语义分割模型推理_ev.mp4
FasterRCNN对象检测推理_ev.mp4
KeyPointRCNN姿态评估推理_ev.mp4
MaskRCNN实例分割推理_ev.mp4
ONNX模型导出与简化_ev.mp4
Python
SDK介绍与推理演示_ev.mp4
ResNet图像分类推理_ev.mp4
RetinaNet对象检测推理_ev.mp4
UNet语义分割模型推理_ev.mp4
YOLOv5实例分割模型推理_ev.mp4
YOLOv5对象检测推理_ev.mp4
YOLOv6人脸关键点检测模型推理_ev.mp4
YOLOv8姿态评估模型推理_ev.mp4
YOLOv8实例分割模型推理_ev.mp4
YOLOv8对象检测推理_ev.mp4
工程化SDK接口封装技巧_ev.mp4
推理SDK与流程_ev.mp4
课程总结_ev.mp4
课程概述_ev.mp4
OpenVINO2022计算机视觉模型部署与加速教程
MaskRCNN实例分割部署_ev.mp4
OpenVINO SDK介绍与开发流程_ev.mp4
OpenVINO2023版本安装与开发配置_ev.mp4
PixelLink场景文字检测_ev.mp4
Python版YOLOv5部署推理_ev.mp4
Python版本环境配置_ev.mp4
pytorch模型转换与部署_ev.mp4
RCNN场景文字识别_ev.mp4
ResNet18实现图像分类_ev.mp4
SSD车辆与车牌检测_ev.mp4
YOLOv5模型部署与推理_ev.mp4
人脸landmark检测_ev.mp4
实时人脸检测之异步推理_ev.mp4
实时人脸表情识别_ev.mp4
实时语义道路分割_ev.mp4
环境搭建_ev.mp4
知识点总结_ev.mp4
自定义模型训练部署支持_ev.mp4
行人检测_ev.mp4
车牌识别_ev.mp4
Pytorch框架CV开发-从入门到实战
ch1_001-课程概述_ev.mp4
CNN训练保存与使用_ev.mp4
Faster-RCNN对象检测模型详解_ev.mp4
Faster-RCNN自定义对象检测模型训练_ev.mp4
Mask-RCNN实例分割模型介绍_ev.mp4
Mask-RCNN实例分割模型推理预测演示_ev.mp4
Mask-RCNN实例分割模型构建与训练_ev.mp4
Mask-RCNN行人实例分割之数据集准备_ev.mp4
numpy基础操作_ev.mp4
OpenCV基础操作_ev.mp4
Pytorch中的基础数据集_ev.mp4
Pytorch中训练可视化_ev.mp4
Pytorch基础算子操作_ev.mp4
Pytorch自定义数据集类_ev.mp4
ResNet18缺陷图像数据分类模型训练_ev.mp4
torchvision对象检测框架介绍_ev.mp4
UNet语义分割之道路裂纹数据集制作_ev.mp4
UNet语义分割模型设计与训练_ev.mp4
UNet道路裂纹检测推理演示_ev.mp4
人工神经网络基础理论与概念_ev.mp4
人脸landmakr五点检测模型推理与部署_ev.mp4
人脸landmark数据集制作_ev.mp4
人脸landmark模型设计与训练_ev.mp4
全卷积人脸表情识别网络之实时表情识别预测_ev.mp4
全卷积人脸表情识别网络之数据集制作_ev.mp4
全卷积人脸表情识别网络之设计与训练_ev.mp4
卷积的基本概念与术语_ev.mp4
卷积神经网络基本原理_ev.mp4
图像语义分割概念与反卷积_ev.mp4
对象自定义数据集标注与制作_ev.mp4
导出ONNX格式与OpenCV DNN部署_ev.mp4
年龄与性别预测之实时预测推理_ev.mp4
年龄与性别预测之数据集制作_ev.mp4
年龄与性别预测之模型设计与训练_ev.mp4
手写数字识别人工神经网络构建与训练_ev.mp4
构建手写数字识别CNN网络_ev.mp4
模型保存与预测调用_ev.mp4
线性回归_ev.mp4
缺陷品图像分类模型推理与部署_ev.mp4
自动梯度计算_ev.mp4
自定义对象检测模型推理预测演示_ev.mp4
课程总结与福利_ev.mp4
车辆属性识别之实时车辆颜色与车型识别演示_ev.mp4
车辆属性识别之数据集制作_ev.mp4
车辆属性识别之模型设计与训练_ev.mp4
迁移学习概念与框架介绍_ev.mp4
逻辑回归_ev.mp4
验证码识别网络之推理预测_ev.mp4
验证码识别网络之数据_ev.mp4
验证码识别网络之设计与训练_ev.mp4
TensorRT8.6 计算机视觉模型部署与加速教程
Deeplabv3语义分割模型部署_ev.mp4
INT8的UNet语义分割部署_ev.mp4
INT8量化脚本实现量化加速_ev.mp4
Python版YOLOv5对象检测部署_ev.mp4
Python版YOLOv8对象检测部署_ev.mp4
ResNet18图像分类部署_ev.mp4
TensorRT SDK_ev.mp4
UNet语义分割模型部署_ev.mp4
YOLOv5实例分割模型部署_ev.mp4
YOLOv5推理工程化封装_ev.mp4
YOLOv6对象检测推理_ev.mp4
YOLOv7对象检测推理_ev.mp4
YOLOv8实例分割模型部署_ev.mp4
使用CUDA实现图像预处理_ev.mp4
模型转换与准备工作_ev.mp4
YOLOv5新版7.0 自定义对象检测-从训练到部署
CPU与GPU C++推理_ev.mp4
ONNXRUNTIME部署与推理演示_ev.mp4
OpenCV DNN部署与推理演示_ev.mp4
OpenVINO2022部署与推理演示_ev.mp4
TensorRT上INT8模型量化与部署_ev.mp4
TensorRT部署与推理_ev.mp4
YOLOv5模型结构详解_ev.mp4
YOLOv5部署之OpenCV DNN详解_ev.mp4
数据集配置与模型训练_ev.mp4
模型可视化与精度详解_ev.mp4
自定义数据集标注与数据转换_ev.mp4
训练参数与训练可视化与验证_ev.mp4
课程概述与环境搭建_ev.mp4
YOLOv5模型注意力改进详解与实现
CA注意力模块详解_ev.mp4
CBAM注意力模块解释_ev.mp4
CBAM注意力版YOLOv5模型修改_ev.mp4
CBAM注意力版YOLOv5模型部署_ev.mp4
ch0_001-课程概述与说明_ev.mp4
ch6_003-部署YOLOv5 CA注意力版模型_ev.mp4
ECA注意力模块解释_ev.mp4
ECA注意力版YOLOv5模型修改_ev.mp4
GAM注意力模块详解_ev.mp4
GAM注意力版YOLOv5模型修改_ev.mp4
SE注意力模块解释_ev.mp4
YOLOv5 SE注意力版模型部署_ev.mp4
YOLOv5模块CA注意力改进实现_ev.mp4
YOLOv5模型添加SE注意力模块_ev.mp4
YOLOv5模型结构代码详解_ev.mp4
YOLOv8自定义对象检测、实例分割、目标跟踪从训练到部署
backbone组件C2f与SPPF_ev.mp4
header组件结构详解_ev.mp4
YOLOv8实例分割模型部署与代码演示_ev.mp4
YOLOv8实现自定义对象跟踪_ev.mp4
YOLOv8对象检测模型部署与推理_ev.mp4
YOLOv8概述与环境
_ev.mp4
YOLOv8模型部署-推理平台概述_ev.mp4
YOLOv8源码结构解读与工程化启示_ev.mp4
YOLOv8网络整体结构说明_ev.mp4
YOLOv8自定义对象检测TensorRT部署_ev.mp4
YOLO实例分割数据集格式与制作_ev.mp4
实例分割模型推理与ONNX导出_ev.mp4
实例分割模型结构说明与训练_ev.mp4
数据标注与YOLO格式数据集制作_ev.mp4
标签指派与新损失函数_ev.mp4
模型推理与ONNX格式导出_ev.mp4
结构可视化与不同精度模型比较_ev.mp4
训练参数详解与可视化及不同精度对比_ev.mp4
资料
资料.rar