Pixel art edge AI distillation workbench cover.
Tooling / 工具链设计 / Web 工作台与边缘评估方向

项目定位

EdgeDistillDet 是面向边缘场景的微小目标自适应蒸馏与检测评估系统。它不是单个训练脚本，而是围绕训练、评估、部署剖析和本地 Web 工作台组织的一套工作流。

核心能力

工具链基于 Ultralytics YOLOv8，包含自适应知识蒸馏、多设备评估、边缘部署可行性剖析和可视化工作台。README 中的能力表把 AdaptiveKDTrainer、UnifiedBenchmark、EdgeProfiler 和 FastAPI + React 工作台作为四个核心模块。

  • AdaptiveKDTrainer：余弦温度退火、动态 alpha、小目标加权 KL/Focal 损失。
  • UnifiedBenchmark：GPU/CPU FPS 与边缘效能综合评分。
  • EdgeProfiler：内置设备数据库，估算理论 FPS、内存、量化收益和可行性等级。
  • Web 工作台：配置中心、训练控制台、模型编辑器、指标监控和 AI Agent。

为什么重要

SDD-YOLO 解决模型结构问题，EdgeDistillDet 则处理工程复现问题：如何让不同模型、数据集、设备和部署目标进入同一个评估口径。它适合承接 ONNX、RKNN、Ascend、CPU/GPU FPS 和压缩策略的横向对比。

后续记录方向

可以继续补充训练配置模板、Web UI 使用指南、边缘设备剖析报告、知识蒸馏实验对比和 AI Agent 自动诊断训练失败的日志。

相关资料

这里保留项目仓库、论文、文档和本站相关文章入口，方便从主页卡片继续追踪原始资料。