很多人学计算机视觉，卡住的地方不在于看不懂网络结构图，而在于训练好的模型跑不出实验室——换一台机器就报错，换个框架就掉精度，部署到实际环境里速度慢得没法用。这门专题针对的正是这个断层：从模型导出、推理到加速，把「模型能用起来」这件事拆开讲清楚。
这门课解决的是什么工作场景
如果你的日常涉及把检测、分割、姿态估计这类模型接到实际系统里，比如做工业质检、视频分析、边缘设备上的视觉应用，课程里的内容会经常用到。它不从头推导反向传播，而是直接进入部署环节常见的几类问题：ONNX 模型怎么导出、怎么简化、推理时怎么适配输入输出、如何在 ONNXRUNTIME 上跑出合理的速度。
换句话说，它假设你已经知道什么是卷积、什么是损失函数，但还没有独立完成过一次从训练权重到可用推理服务的完整交付。
学完能独立做什么
- 把常见的 PyTorch 或 Paddle 模型转成 ONNX，处理导出阶段的算子不支持和动态轴问题；
- 用 ONNXRUNTIME 加载模型并完成推理，针对 CPU 和 GPU 做基本配置；
- 跑通语义分割、对象检测、实例分割、姿态评估这几类任务的推理流程，理解每类模型的输出结构和后处理差异；
- 对推理速度做初步分析与优化，而不是只会调用一个现成脚本。
需要说明的是，这些能力偏向「部署工程师」或「算法落地」方向，不是模型结构创新。如果你的目标是发论文或改网络设计，这门课的帮助有限。
资料覆盖的任务类型
专题围绕 ONNXRUNTIME 这条主线展开，覆盖的视觉任务比较典型：语义分割、对象检测、实例分割、姿态评估。每一类都用具体的网络来演示，包括 DeepLabV3、Faster R-CNN、Mask R-CNN、KeyPoint R-CNN 等。任务跨度足够让你看清一个规律——不同任务的模型在导出和推理时的坑其实高度相似，学会一个，其余的可以类推。
除了推理，内容还涉及模型加速。这部分对实际项目最有价值，因为推理正确只是及格线，能不能在目标硬件上跑到可接受的帧率，往往决定方案能不能用。
适合什么基础的人
比较适合已经具备以下条件的学习者：会用 Python，接触过至少一个深度学习框架，理解神经网络的基本概念，手动跑过训练或推理脚本。如果完全没有深度学习基础，直接上这门课会在环境配置和模型概念上反复卡壳。
对转行者来说，它更像是一块补短板的材料——当你已经通过其他途径建立了 CV 基础，缺的正是部署这一环，这门专题能比较快地填上。
使用建议
不建议从头到尾只看不练。部署类内容高度依赖环境，光看视频会误以为流程顺畅。建议每类任务都自己跑一遍，重点记录导出失败时的报错、推理结果与原模型不一致的情况，这些经验比视频本身更值钱。另外，加速部分最好结合你手头真实的硬件去试，不同设备上的优化手段差别很大。
如果你现在的痛点正是「模型训练完了却不知道怎么用」，这门专题值得投入时间；如果还停留在打基础阶段，可以先放一放，等真正遇到部署问题时再来，吸收效率会高得多。
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.tensorrt 86 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
