新工科 课程 计算机视觉
课程封面
计算机视觉
人工智能 人工智能 计算机
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

如果您想对我们的产品和服务更进一步了解
请用下面的方式和我们联系

电子邮箱:business@yundaxue.org(会在1个工作日之内和您接洽)

联系电话:400-828-1210(周一至周五 9:00-18:00 )