计算机视觉课程教学大纲.docxVIP

计算机视觉课程教学大纲.docx

此“教育”领域文档为创作者个人分享资料,不作为权威性指导和指引,仅供参考
  1. 1、本文档共9页,可阅读全部内容。
  2. 2、有哪些信誉好的足球投注网站(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
  3. 3、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载
  4. 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
  5. 5、该文档为VIP文档,如果想要下载,成为VIP会员后,下载免费。
  6. 6、成为VIP后,下载本文档将扣除1次下载权益。下载后,不支持退款、换文档。如有疑问请联系我们
  7. 7、成为VIP后,您将拥有八大权益,权益包括:VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
  8. 8、VIP文档为合作方或网友上传,每下载1次, 网站将根据用户上传文档的质量评分、类型等,对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
查看更多

PAGE10

PAGE10

《计算机视觉》课程教学大纲

(2022版)

一、课程基本信息

1.课程名称:计算机视觉(ComputerVision)

2.学分学时:3学分,48学时(含课堂教学36学时,实验教学12学时)

3.考核方式:考查

4.课程类别:专业选修课

5.适用专业:计算机科学与技术、物联网工程、人工智能、软件工程

6.先修课程:矩阵理论与应用、Python程序设计、数字图像处理

7.后续课程:计算机视觉项目实践

8.开课单位:计算机学院

二、课程性质

计算机视觉是一门重要的专业课程。本课程以计算机视觉的基本概念和算法为基础,将理论知识、科学研究和工程实践有机结合起来。以具体的图像与视觉案例为引导,讲解计算机视觉问题的一般求解方法。通过学习,使学生能了解图像处理与计算机视觉在各个领域的相关应用,能运用图像处理与计算机视觉的基本原理和方法从事图像分割、目标检测、识别和跟踪等工作,培养学生工程实践能力和技术创新能力。并通过对计算机视觉的发展历史、研究热点的介绍,培养学生的探索精神,赋予其攻克前沿学术问题的勇气。

三、课程目标

通过本课程学习,学生应达到的预期教学目标如下:

1.了解计算机视觉研究目标、研究任务、研究热点和发展趋势;

2.掌握常用图像预处理方法、特征提取方法和图像分类算法,培养学生对技术问题的理解能力、归纳总结的能力和自主学习的能力;

3.掌握神经网络和深度学习的理论和方法,能够基于相关科学原理和数学模型方法表达和解决复杂工程问题。

四、教学内容及学习要求

第一单元计算机视觉概述

支撑目标:课程目标1

教学内容:

1.计算机视觉定义;

2.计算机视觉任务;

3.计算机视觉与其它学科的联系。

学习要求:

1.了解计算机视觉的定义;

2.了解计算机视觉的主要研究内容。

第二单元Python和OpenCV运行环境

支撑目标:课程目标2

教学内容:

1.Anaconda的安装;

2.编译器安装;

3.OpenCV视觉库安装;

4.OpenCV图像基本操作

学习要求:

1.能够熟练配置Python和OpenCV运行环境;

2.掌握OpenCV中图像的基本操作。

第三单元图像预处理

支撑目标:课程目标2

教学内容:

1.直方图修正;

2.空域滤波;

3.频域滤波。

实验一:图像基础变换和预处理

学习要求:

1.理解直方图均衡化和规定化原理;

2.掌握空域滤波和频域滤波的经典算法。

第四单元图像特征提取

支撑目标:课程目标2

教学内容:

1.HOG特征;

2.SIFT特征;

3.哈希特征。

学习要求:

1.理解并掌握HOG特征和SIFT特征的原理和实现方法;

2.掌握不同类型的哈希特征的实现方法。

第五单元图像分类

支撑目标:课程目标2

教学内容:

1.KNN分类;

2.贝叶斯分类器;

3.SVM分类器;

4.分类器评价。

学习要求:

1.理解并掌握传统分类器的分类机理和实现方法;

2.掌握分类器的评价指标。

第六单元神经网络基础

支撑目标:课程目标3

教学内容:

1.神经网络基本概念;

2.激活函数;

3.神经网络设计;

4.损失函数;

5.梯度下降;

6.神经网络反向传播。

实验二:神经网络分类

学习要求:

1.理解神经网络的算法流程和作用机理;

2.掌握神经网络的反向传播方式。

第七单元卷积神经网络的基本概念

支撑目标:课程目标3

教学内容:

1.卷积层;

2.池化层;

3.激活函数;

4.全连接层;

5.卷积神经网络示例;

6.卷积的有效性。

学习要求:

1.理解卷积神经网络各层的作用;

2.理解卷积的有效性。

第八单元目标检测

支撑目标:课程目标3

教学内容:

1.目标检测发展;

2.候选框提取;

3.目标定位和分类;

4.Two-stage目标检测算法;

5.One-stage目标检测算法;

6.YOLO目标检测实例。

学习要求:

1.掌握滑动窗口算法;

2.理解R-CNN及其变种、YOLO、SSD算法的原理。

第九单元其他深度学习网络

支撑目标:课程目标3

教学内容:

1.循环神经网络;

2.深度信念网络;

3.生成对抗网络;

学习要求:

1.掌握LSTM网络的原理和训练方法;

2.理解生成对抗网络的目标函数。

第十单元人脸表情识别研究

支撑目标:课程目标3

教学内容:

1.人脸表情识别的发展历史;

2.人脸表情识别的主要方法;

3.人脸表情识别的实现过程;

4.人脸表情识别的评价指标;

5.人脸表情识别的挑战。

学习要求:

1.掌握人脸表情识别的算法原理和实现方法;

2.理解人脸表情识别的评价指标。

五、学时分配

课程教学内容各单元建议学时分配如下表,具体实施时应根据学生学习效果做适当调整。

教学内容

课堂教学

课内实验

课外实践

小计

支撑的课程目标

第一单元计算机视

文档评论(0)

sis36 + 关注
实名认证
文档贡献者

大数据工程师持证人

本人从事所爱好的软件研发职业,所选文档部分是选自于网络,之所以选这些文档是因为我很欣赏你的思维和才华,特此给我们大家以分享和学习的机会。如果你感觉侵犯了你的利益,请和我联系,我会尽快的删除!谢谢!

领域认证该用户于2024年03月25日上传了大数据工程师

1亿VIP精品文档

相关文档