深度学习与图像处理 教学大纲

深度学习与图像处理教学大纲院系：

日期：课程代码课程深度学习与图像处理学分数2周学时2授课语言

中文课程性质þ核心课程

¨通识教育选修

¨大类基础

¨专业必修

þ专业选修

¨其他教学目的本课程以图像处理技术作为切入点,围绕近些年流行的深度学习算法进行讲解,研究方向包括图像分类、目标检测、语义分割、实例分割、关键点检测和风格迁移等,重点剖析了各个图像处理领域常见的算法原理,并在此基础上结合新颖实用的项目案例贯穿所学,让学生在掌握算法原理基础上能够达到产业界要求的深度学习实战能力。基本内容简介本课程采用国产开源深度学习框架PaddlePaddle来讲解,考虑到易用性以及未来发展趋势,全部采用最新的动态图版本进行实践操作。本课程分为两部分,共8章,在内容安排上循序渐进。第一部分基础知识篇(第1~2章),第1章图像处理基础,第2章深度学习基础;第二部分案例实战篇(第3~8章),第3章图像分类(智能垃圾分拣器),第4章目标检测(二维码扫码枪),第5章语义分割(证件照制作工具),第6章实例分割(肾小球影像分析仪),第7章关键点检测(身份证识读App),第8章风格迁移(照片动漫化在线转换网站)。基本要求：1、通过本课程的学习，能够掌握常见的深度学习与图像处理概念，并构建出一套自己的知识脉络；2、能够深入了解图像分类、目标检测、语义分割、实例分割、关键点检测、风格迁移等技术在各个领域的处理方法；3、能够借鉴课程案例运用到未来实际的研究或工作任务中，能够举一反三，学以致用。授课方式：本课程以上机实战练习为主，本课程的教学过程将使用课堂讲解、上机实练、课堂讨论等形式为学生提供互动式交流。课内外讨论或练习、实践、体验等环节设计：课外需动手巩固每堂课学习的内容，自行敲写代码完成课程实例项目，最终能够进一步拓展所学的内容。考核和评价方式：（提供学生课程最终成绩的分数组成，体现形成性的评价过程）考核包括平时成绩（考勤、实验）以及期末考试，分别占课程总成绩的40%和60%。期末的考核形式为闭卷答题。

教学进度表院系：

日期：2024年9月1日教学内容安排按30学时，共计15周，具体到每节课内容：第一周第1节课：课程概述、图像处理基本概念第2节课：图像处理基本操作、图像卷积和滤波第二周第1节课：综合案例应用:基于OpenCV的自动驾驶小车（任务概述、安装仿真平台）第2节课：综合案例应用:基于

OpenCV的自动驾驶小车（车道线检测、动作控制）第三周代码实践操作（基于OpenCV的自动驾驶小车）第四周第1节课：深度学习概述第2节课：环境安装第五周第1节课：PaddlePaddle基础第2节课：PaddlePaddle实现机器学习:线性回归投资预测第六周第1节课：PaddlePaddle实现深度学习:自动驾驶小车控制（卷积神经网络基础）第2节课：PaddlePaddle实现深度学习:自动驾驶小车控制（算法原理）第七周第1节课：PaddlePaddle实现深度学习:自动驾驶小车控制（数据采集、数据读取、网络模型、损失函数、优化算法）第2节课：PaddlePaddle实现深度学习:自动驾驶小车控制（模型训练、模型验证）第八周代码实践操作（深度学习:自动驾驶小车控制）第九周第1节课：图像分类概述、算法原理、算法研发第2节课：部署第十周第1节课：目标检测概述、算法原理、算法研发第2节课：部署第十一周第1节课：语义分割概述、算法原理、算法研发第2节课：部署第十二周第1节课：实例分割概述、算法原理、算法研发第2节课：部署第十三周第1节课：关键点检