深度学习在数字图像处理中的应用-教学大纲

《深度学习在数字图像处理中的应用》教学大纲课程信息课程名称：深度学习在数字图像处理中的应用课程类别：素质选修课/专业基础课课程性质：选修/必修计划学时：64计划学分：4先修课程：无选用教材：《深度学习在数字图像处理中的应用》，马龙华，陆哲明，崔家林，刘琼主编，2022年，电子工业出版社教材。适用专业：本课程可作为高等院校具有一定计算机基础的人工智能、自动化、信号与信息处理、电子信息工程、计算机科学与技术、通信工程等专业的研究生或高年级本科生的参考课程，也可作为科研院所相关专业的科技工作者的参考课程。课程负责人：二、课程简介深度学习作为人工智能的代表性技术之，近年来发展迅速，与其紧密相关的数字图像处理技术也取得了革命性进步。人工智能的发展促进了现代化科技和智能化生活的发展，它最大的贡献就是给人们的生活和工作带来了极大的方便。而深度学习作为机器学习领域的一部分，人工智能发展方面起着至关重要的作用。为此，加大对深度学习的研究，深度学习与其他领域有机结合起来，为促进人们的生活和社会的发展去研发一些新产品和显然是很有必要的。在该背景下，本课程系统介绍了深度学习在数字图像处理各个研究分支的应用，包括图像增强、图像复原、图像检索、图像压缩、图像分割、目标检测、动作识别和图像配准等。每一部分都对传统方法做了概述，反映了深度学习在数字图像处理各个研究分支的发展现状。三、课程教学要求序号专业毕业要求课程教学要求关联程度1工程知识1.掌握图像增强、图像检索和图像恢复的深度学习方法。2.了解深度学习在数字图像处理中的应用领域和市场需求，为产品设计和开发提供指导。L2问题分析1.学会对深度学习在数字图像处理中出现的问题进行分析和解决，包括硬件故障、软件错误、网络问题等。2.学会进行故障排除和维修和计算方法，以实现数据处理应用。H3设计/开发解决方案1.掌握数字图像处理领域涌现的基于深度学习的新方法，能将深度学习算法应用到工作和生活领域中。2.学会进行系统测试和验证，以确保系统的质量和性能符合要求。H4研究L5使用现代工具1.掌握深度学习在数字图像处理领域研发的现代工具，如仿真软件、调试工具等。2.学会使用现代工具进行数据分析和处理，提高工作效率和准确性。M6工程与社会1.了解深度学习算法研发的产品对社会的影响和作用，以及相关的法律法规和标准。2.学会将相应技术应用于实际生产和社会服务中，为社会做出贡献。L7环境和可持续发展L8职业规范L9个人和团队1.学会个人发展和团队合作，提高个人和团队的综合素质。2.学会与他人合作和沟通，建立良好的人际关系和团队合作氛围。H10沟通1.学会进行有效的沟通和表达，与客户、同事和上级保持良好的沟通和协作。2.学会进行跨文化沟通和合作，提高国际化视野和跨文化交流能力。M11项目管理1.学会进行项目管理和组织，包括项目计划、进度控制、质量管理等。2.学会进行风险评估和管理，提高项目成功的概率和效率。L12终身学习1.学会进行自我学习和自我提升，不断提高自身的专业水平和创新能力。2.学会进行终身学习和职业发展规划，不断拓展职业领域和发展空间。H注：“课程教学要求”栏中内容为针对该课程适用专业的专业毕业要求与相关教学要求的具体描述。“关联程度”栏中字母表示二者关联程度。关联程度按高关联、中关联、低关联三档分别表示为“H”“M”或“L”。“课程教学要求”及“关联程度”中的空白栏表示该课程与所对应的专业毕业要求条目不相关。四、课程教学内容章节名称主要内容重难点关键词学时类型1数字图像处理概述数字图像的基本概念数字图像的获取与描述数字图像处理的研究内容和应用领域了解数字图像的基本概念；掌握数字图像的获取与描述4理论+实操2深度学习概述深度学习的概念国内外研究现状深度学习典型模型结构和训练算法深度学习的优点和已有的应用深度学习存在的问题及未来研究方向熟悉深度学习的概念以及国内外研究现状；掌握深度学习典型模型结构和训练算法10理论+实操3基于深度学习的图像增强与图像恢复图像去噪图像去雾图像去模糊图像增强掌握基于深度学习的图像增强与图像恢复6理论+实操4基于深度学习的图像检索图像检索的研究背景和研究现状图像特征和相似性度量基于内容的图像检索基于注意力机制和卷积神经网络的图像检索基于深度信念网络的人脸图像检索掌握基于内容的图像检索和基于注意力机制和卷积神经网络的图像检索8理论+实操5基于深度学习的图像压缩图像压缩概述基于矢量量化的图像压缩方法基于深度学习的图像压缩方法初步理解图像压缩概述；掌握基于矢量量化的图像压缩方法原理与流程4理论+实操6基于深度学习的图像分割图像分割概述复杂背景下毛坯轮毅图像分割及圆心精确定位基于深度学习的图像分割概述基于深度生成对抗网络的超声图像分割掌握复杂背景下毛坯轮毅图像分割及圆心精确定位的方法；理解基于深度生成对抗网络的超声图像分割的方法8理论+实操7基于深度学习的人脸检测与行人检测基于深度学习的人脸检测行人检测概述基于ViBe结合HOG+SVM的快速行人检测与跟踪理解基于深度学习的人脸检测的要求和方法8理论+实操8基于深度学习的动作识别人体动作识别技术概述动作识别相关技术人体姿态估计基于图卷积网络的骨髓序列动作识别算法一种替代光流的视频动作识别算法理解基于图卷积网络的骨髓序列动作识别算法；掌握一种替代光流的视频动作识别算法的算法流程8理论+实操9基于深度学习的医学图像配准医学图像配准概述基于分形沙漏网络由MV-DR合成kV-DRR基于公共表征学习和几何约束的多模态医学图像配准基于信息瓶颈条件生成对抗网络的MV-DR和kVDRR配准掌握基于公共表征学习和几何约束的多模态医学图像配准的步骤8理论+实操五、考核要求及成绩评定序号成绩类别考核方式考核要求权重（%）备注1期末成绩期末考试大作业50百分制，60分为及格2平时成绩实践9次40优、良、中、及格、不及格3平时表现出勤情况10两次未参加课程则无法获得学分注：此表中内容为该课程的全部考核方式及其相关信息。六、学生学习建议学习方法建议1.依据专业教学标准，结合岗位技能职业标准，通过案例展开学习，将每个项目分成多个任务，系统化地学习。2.通过每个项目最后搭配的习题，巩固知识点。3.了解行业企业技术标准，注重学习新技术、新工艺和新方法，根据教材中穿插设置的智能终端产品应用相关实例，对已有技术持续进行更新。4.通过开展课堂讨论、实践活动，增强的团队协作能力，学会如何与他人合作、沟通、协调等等。学生课外阅读参考资料《深度学习在数字图像处理中的应用》，马龙华，陆哲明，崔家林，刘琼主编，2022年，电子工业出版社教材。七、课程改革与建设本课程系统介绍了深度学习在数字图像处理各个研究分支的应用，包括图像增强、图像复原、图像检索、图像压缩、图像分割