深度学习与计算机视觉实战-教学进度表_第1页
深度学习与计算机视觉实战-教学进度表_第2页
深度学习与计算机视觉实战-教学进度表_第3页
深度学习与计算机视觉实战-教学进度表_第4页
全文预览已结束

下载本文档

版权说明：本文档由用户提供并上传，收益归属内容提供方，若内容存在侵权，请进行举报或认领

文档简介

学院课程教学进度计划表（20〜20学年第二学期）课程名称深度学习与计算机视觉实战授课学时64主讲（责任）教师参与教学教师授课班级/人数专业（教研室）填表时间专业（教研室）主任教务处编印

年月一、课程教学目的通过本课程的学习，使学生学会使用Python进行图像处理基本操作和处理深度学习视觉基础任务，并详细拆解学习人脸识别、目标检测、道路场景分割、图像超分辨率等案例,将理论与实践相结合，为将来从事计算机视觉研究、工作奠定基础。二、教学方法及手段本课程将采用理论与实践相结合的教学方法。在理论上，通过任务引入概念、原理和方法。在实践上，充分地利用现有的硬件资源，发挥学生主观能动性，指导学生使用OpenCV对数字图像进行基本处理，使用TensorFlow构建深度学习网络，运用深度学习算法处理计算机视觉的任务。同时结合4个综合案例，引导学生将所学知识与企业需求相结合，将知识活学活用。要求学生自己动手分析实例，学习基本理论和方法，结合已有的知识，适当组织一些讨论，充分调动学生的主观能动性，以达到本课程的教学目的。三、课程考核方法突出学生解决实际问题的能力，加强过程性考核。课程考核的成绩构成二平时作业（10%）+课堂参与（20%）+期末考核（70%）,期末考试建议采用开卷形式，，试题应包括基本概念、图像处理基本操作、深度学习视觉基础任务、人脸识别、目标检测、图像分割、图像超分辨率等部分，题型可采用判断题、选择、简答、应用题等方式。

《深度学习与计算机视觉实战》教学日历周次学时授课内容作业要求备注13第1章概述第1章课后习题25第2章图像处理基本操作（1）第2章课后习题33第2章图像处理基本操作（2）第2章课后习题45第2章图像处理基本操作（3）第3章深度学习视觉基础任务（1）第3章课后习题53第3章深度学习视觉基础任务（2）第3章课后习题65第3章深度学习视觉基础任务（3）第3章课后习题73第4章基于CNN人脸识别实战（1）第4章课后习题85第4章基于CNN人脸识别实战（2）第4章课后习题83第4章基于CNN人脸识别实战（3）第5章基于FasterR-CNN的目标检测实战（1）第5章课后习题105第5章基于FasterR-CNN的目标检测实战（2）第5章课后习题113第5章基于FasterR-CNN的目标检测实战（3）第5章课后习题125第6章基于U-Net的城市道路场景分割实战（1）第6章课后习题133第6章基于U-Net的城市道路场景分割实战（2）第6章课后习题145第6章基于U-Net的城市道路场景分割实战（3）第7章基于SRGAN的图像超分辨率技术实战（1）第7章课后习题153第7章基于SRGAN的图像超分辨率技术实战（2）第7章课后习题165第7章基于SRGAN的图像

人人文库> 全部分类> 办公材料 > 办公文档

温馨提示

  • 1. 本站所有资源如无特殊说明，都需要本地电脑安装OFFICE2007和PDF阅读器。图纸软件为CAD,CAXA,PROE,UG,SolidWorks等.压缩文件请下载最新的WinRAR软件解压。
  • 2. 本站的文档不包含任何第三方提供的附件图纸等，如果需要附件，请联系上传者。文件的所有权益归上传用户所有。
  • 3. 本站RAR压缩包中若带图纸，网页内容里面会有图纸预览，若没有图纸预览就没有图纸。
  • 4. 未经权益所有人同意不得将文件中的内容挪作商业或盈利用途。
  • 5. 人人文库网仅提供信息存储空间，仅对用户上传内容的表现方式做保护处理，对用户上传分享的文档内容本身不做任何修改或编辑，并不能对任何下载内容负责。
  • 6. 下载文件中如有侵权或不适当内容，请与我们联系，我们立即纠正。
  • 7. 本站不保证下载资源的准确性、安全性和完整性, 同时也不承担用户因使用这些下载资源对自己和他人造成任何形式的伤害或损失。

最新文档

评论

0/150

提交评论