深度學(xué)習(xí)與計(jì)算機(jī)視覺實(shí)戰(zhàn)-教學(xué)進(jìn)度表

學(xué)院課程教學(xué)進(jìn)度計(jì)劃表（20?20學(xué)年第二學(xué)期）課程名稱深度學(xué)習(xí)與計(jì)算機(jī)視覺實(shí)戰(zhàn)授課學(xué)時(shí)64主講（責(zé)任）教師參與教學(xué)教師授課班級/人數(shù)專業(yè)（教研室）填表時(shí)間專業(yè)（教研室）主任教務(wù)處編印

年月一、課程教學(xué)目的通過本課程的學(xué)習(xí)，使學(xué)生學(xué)會使用Python進(jìn)行圖像處理基本操作和處理深度學(xué)習(xí)視覺基礎(chǔ)任務(wù)，并詳細(xì)拆解學(xué)習(xí)人臉識別、目標(biāo)檢測、道路場景分割、圖像超分辨率等案例,將理論與實(shí)踐相結(jié)合，為將來從事計(jì)算機(jī)視覺研究、工作奠定基礎(chǔ)。二、教學(xué)方法及手段本課程將采用理論與實(shí)踐相結(jié)合的教學(xué)方法。在理論上，通過任務(wù)引入概念、原理和方法。在實(shí)踐上，充分地利用現(xiàn)有的硬件資源，發(fā)揮學(xué)生主觀能動性，指導(dǎo)學(xué)生使用OpenCV對數(shù)字圖像進(jìn)行基本處理，使用TensorFlow構(gòu)建深度學(xué)習(xí)網(wǎng)絡(luò)，運(yùn)用深度學(xué)習(xí)算法處理計(jì)算機(jī)視覺的任務(wù)。同時(shí)結(jié)合4個(gè)綜合案例，引導(dǎo)學(xué)生將所學(xué)知識與企業(yè)需求相結(jié)合，將知識活學(xué)活用。要求學(xué)生自己動手分析實(shí)例，學(xué)習(xí)基本理論和方法，結(jié)合已有的知識，適當(dāng)組織一些討論，充分調(diào)動學(xué)生的主觀能動性，以達(dá)到本課程的教學(xué)目的。三、課程考核方法突出學(xué)生解決實(shí)際問題的能力，加強(qiáng)過程性考核。課程考核的成績構(gòu)成二平時(shí)作業(yè)（10%）+課堂參與（20%）+期末考核（70%）,期末考試建議采用開卷形式，，試題應(yīng)包括基本概念、圖像處理基本操作、深度學(xué)習(xí)視覺基礎(chǔ)任務(wù)、人臉識別、目標(biāo)檢測、圖像分割、圖像超分辨率等部分，題型可采用判斷題、選擇、簡答、應(yīng)用題等方式。

《深度學(xué)習(xí)與計(jì)算機(jī)視覺實(shí)戰(zhàn)》教學(xué)日歷周次學(xué)時(shí)授課內(nèi)容作業(yè)要求備注13第1章概述第1章課后習(xí)題25第2章圖像處理基本操作（1）第2章課后習(xí)題33第2章圖像處理基本操作（2）第2章課后習(xí)題45第2章圖像處理基本操作（3）第3章深度學(xué)習(xí)視覺基礎(chǔ)任務(wù)（1）第3章課后習(xí)題53第3章深度學(xué)習(xí)視覺基礎(chǔ)任務(wù)（2）第3章課后習(xí)題65第3章深度學(xué)習(xí)視覺基礎(chǔ)任務(wù)（3）第3章課后習(xí)題73第4章基于CNN人臉識別實(shí)戰(zhàn)（1）第4章課后習(xí)題85第4章基于CNN人臉識別實(shí)戰(zhàn)（2）第4章課后習(xí)題83第4章基于CNN人臉識別實(shí)戰(zhàn)（3）第5章基于FasterR-CNN的目標(biāo)檢測實(shí)戰(zhàn)（1）第5章課后習(xí)題105第5章基于FasterR-CNN的目標(biāo)檢測實(shí)戰(zhàn)（2）第5章課后習(xí)題113第5章基于FasterR-CNN的目標(biāo)檢測實(shí)戰(zhàn)（3）第5章課后習(xí)題125第6章基于U-Net的城市道路場景分割實(shí)戰(zhàn)（1）第6章課后習(xí)題133第6章基于U-Net的城市道路場景分割實(shí)戰(zhàn)（2）第6章課后習(xí)題145第6章基于U-Net的城市道路場景分割實(shí)戰(zhàn)（3）第7章基于SRGAN的圖像超分辨率技術(shù)實(shí)戰(zhàn)（1）第7章課后習(xí)題153第7章基于SRGAN的圖像超分辨率技術(shù)實(shí)戰(zhàn)（2）第7章課后習(xí)題165第7章基于SRGAN的圖像