计算机视觉
本课程是人工智能专业的一门专业核心课程，是从事计算机视觉软件开发岗位的必修课程，其主要功能是使学生掌握计算机视觉知识，具备设计计算机视觉模型、编写计算机视觉应用程序的操作能力，并为学习无人驾驶、机器人、高级人工智能应用等课程做好准备。
课程大纲
第一章 计算机视觉概论
* 本章介绍
第1节 计算机视觉简介
第2节 计算机视觉应用领域
第3节 计算机视觉重点内容和发展趋势
第4节 课程整体内容引导
第5节 计算机视觉程序设计开发工具
第6节 实验一：计算机视觉编程环境安装配置
第7节 本章小结
第8节 本章测试
第二章 卷积神经网络与图像分类
* 本章介绍
第1节 图像分类的基本流程
第2节 卷积神经网络的基本结构及原理
第3节 卷积层
第4节 池化层
第5节 全连接层
第6节 利用Tensorflow/Keras搭建卷积神经网络
第7节 VGG卷积神经网络结构及原理
第8节 迁移学习基本思路
第9节 实验二：搭建卷积神经网络进行图像识别
第10节 本章小结
第11节 本章测试
第三章 图像深度去噪
* 本章介绍
第1节 深度全连接自编码网络
第2节 卷积自编码网络
第3节 自编码网络的去噪训练思路及步骤
第4节 实验三：图像深度去噪
第5节 本章小结
第6节 本章测试
第四章 打开尘封记忆—给黑白老照片自动上色
* 本章介绍
第1节 RGB与LAB颜色空间
第2节 黑白照片自动上色的原理分析
第3节 基于卷积自编码网络的黑白照片自动上色
第4节 迁移学习与卷积自编码网络相结合的黑白照片自动上色
第5节 实践中关键步骤分析
第6节 实验四：给黑白老照片上色
第7节 本章小结
第8节 本章测试
第五章 利用生成对抗网络GAN修补缺损图像
* 本章介绍
第1节 生成对抗网络GAN的基本思路
第2节 GAN基本架构
第3节 生成器网络
第4节 判别器网络
第5节 “从无到有”模式下GAN的训练过程
第6节 利用条件GAN修复图像的流程
第7节 GAN相关技巧
第8节 实验五：利用生成对抗网络GAN修补缺损图像
第9节 本章小结
第10节 本章测试
第六章 绘画艺术创作--神经网络画风转换实践
* 本章介绍
第1节 画风转换的问题设定
第2节 神经网络画风转换的基本思路
第3节 神经网络画风转换的优化算法
第4节 神经网络画风转换的实践技巧
第5节 实验六：基于神经网络的画风转换
第6节 本章小结
第7节 本章测试
第七章 基于深度学习的图像语义分割
* 本章介绍
第1节 语义分割问题设定
第2节 基于CNN的传统语义分割方法
第3节 全卷积神经网络(FCN)分析理解
第4节 全卷积神经网络训练过程
第5节 语义分割性能评价标准
第6节 实验七：基于FCN的图像语义分割
第7节 本章小结
第8节 本章测试
第八章 目标检测技术
* 本章介绍
第1节 目标检测问题设定
第2节 目标检测相关的基本概念阐述
第3节 R-CNN网络原理介绍
第4节 Fast R-CNN网络原理介绍
第5节 Faster R-CNN网络分析
第6节 实验八：基于Faster R-CNN的目标检测
第7节 本章小结
第8节 本章测试
课件资源
-
视频数
118 -
文档数
9 -
题目数
145 -
实验数
8
