训练教程View as Markdown最后更新 2026年9月1日我们准备了一些 Jupyter Notebook 教程,以说明如何在我们的生态系统中训练 AI 模型。 您可以在 GitHub 上的 ai-tutorials 存储库中找到它们。 最简单的尝试方法是使用 Google Collaboratory,所有 Notebook 都已加载并准备好运行。 Google Collaboratory 允许您使用其快速 GPU 实例,在某些情况下甚至可以使用 Google TPU(取决于训练框架的依赖项)。 或者,您可以使用自己的资源在本地运行教程。我们将教程分为两组:一组使用我们的 Luxonis Train 库,另一组使用不同的训练库(另请参阅 Ultralytics 集成文档)。 我们的主要目标是提供全面的教程,涵盖在 DepthAI 设备上训练神经网络最常见的用例。我们的教程涵盖以下任务:分类图像分类是将预定义标签或类别分配给整个输入图像的任务。Luxonis Train 教程豆叶病分类器其他教程花卉分类器对象检测对象检测涉及识别和定位图像中的多个对象,并在它们周围提供边界框。Luxonis Train 教程水果对象检测器带自动图像标注的猫狗对象检测器其他教程YOLOv5YOLOv6YOLOv7YOLOv8语义分割语义分割涉及将图像中的像素分类到预定义类别中,而不区分同一类的不同实例。Luxonis Train 教程带合成放大数据集的坑洞分割器自定义叶片分割模型其他教程DeepLab V3 Plus实例分割实例分割通过区分同一对象类的单个实例并为每个实例提供像素级掩码来扩展语义分割。Luxonis Train 教程裂缝实例分割其他教程YOLOv11 实例分割OAK-D-Lite 上的坑洞检测(外部教程)实例姿态实例姿态检测结合了对象检测和关键点检测,通过定位单个对象并分别为每个实例预测关键点。其他教程YOLOv11 实例姿态