目标检测实战培训课程-曙海培训

 目标检测实战培训课程

适用人群：计算机视觉工程师、AI开发者、自动驾驶/安防/机器人领域从业者

一、培训目标与收益

目标

1. 掌握目标检测核心算法（传统方法+深度学习模型）。

2. 熟练使用主流框架（PyTorch/TensorFlow、OpenCV、MMDetection）实现端到端目标检测。

3. 能够针对不同场景（如小目标、遮挡、动态背景）优化检测性能。

4. 理解目标检测在工业检测、自动驾驶、医疗影像等领域的落地流程。

收益

1. 完成6个以上实战项目（含代码、数据集、部署脚本）。

2. 获得可复用的目标检测工具库（含预训练模型、数据增强脚本）。

3. 掌握模型轻量化技巧（量化、剪枝、知识蒸馏）。

4. 熟悉从训练到部署的全流程（数据标注→模型训练→边缘设备部署）。

二、培训内容与案例

模块1：目标检测基础与评估指标

· 内容 

· 目标检测任务定义（分类+定位）。

· 常用数据集（COCO、Pascal VOC、YOLO格式）。

· 评估指标（mAP、IoU、FPS、参数量）。

· 案例 

· 案例1：COCO数据集标注与可视化 

模块2：传统目标检测方法

· 内容 

· 滑动窗口与图像金字塔。

· 特征提取（HOG、Haar、SIFT）。

· 分类器设计（SVM、Adaboost）。

· 案例 

· 案例2：基于HOG+SVM的人脸检测 

模块3：深度学习目标检测模型

· 内容 

· 两阶段检测器：Faster R-CNN、Mask R-CNN（RPN网络、ROI Align）。

· 单阶段检测器：YOLO系列（v5/v6/v7/v8）、SSD（Anchor机制、损失函数）。

· 轻量化模型：MobileNet-YOLO、NanoDet（适合边缘设备）。

· 案例 

· 案例3：YOLOv5训练自定义数据集 

模块4：模型优化与加速

· 内容 

· 数据增强（Mosaic、MixUp、HSV扰动）。

· 损失函数改进（Focal Loss、CIoU Loss）。

· 模型压缩（量化感知训练、通道剪枝）。

· 案例 

· 案例4：TensorRT加速YOLO模型 

模块5：多目标跟踪与扩展应用

· 内容 

· 跟踪算法（SORT、DeepSORT、ByteTrack）。

· 3D目标检测（点云+图像融合、BEV视角）。

· 开放词汇检测（OVD、Grounding DINO）。

· 案例 

· 案例5：DeepSORT实现行人跟踪 

模块6：目标检测部署实战

· 内容 

· 边缘设备部署（Jetson Nano、Raspberry Pi）。

· 移动端部署（ONNX Runtime、TFLite）。

· Web服务部署（Flask+OpenCV API）。

· 案例 

· 案例6：树莓派部署YOLO模型 

三、综合项目实战

项目1：工业缺陷检测系统

· 功能：

· 检测金属表面划痕、孔洞等缺陷，输出缺陷类型与位置。

· 技术栈：

· YOLOv8 + OpenCV + 工业相机SDK + 报警模块。

项目2：自动驾驶交通标志识别

· 功能：

· 实时识别道路限速牌、停车标志，并计算与车辆距离。

· 技术栈：

· Faster R-CNN + 深度估计 + ROS节点通信。

项目3：智能安防跌倒检测

· 功能：

· 监控视频中检测老人跌倒动作，并发送紧急通知。

· 技术栈：

· Pose Estimation（关键点检测） + DeepSORT + 短信API。

项目4：无人机搜索救援

· 功能：

· 无人机航拍图像中检测失踪人员（如穿红色衣服的目标）。

· 技术栈：

· YOLO-NAS + 无人机SDK + 地理围栏算法。