深度学习与计算机视觉实战-教学进度表.docx

《深度学习与计算机视觉实战-教学进度表.docx》由会员分享，可在线阅读，更多相关《深度学习与计算机视觉实战-教学进度表.docx（4页珍藏版）》请在淘文阁 - 分享文档赚钱的网站上搜索。

1、学院课程教学进度计划表（2020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

2、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

3、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Faster R-

4、CNN的目标检测实战（1）第5章课后习题105第5章 基于Faster R-CNN的目标检测实战（2）第5章课后习题113第5章 基于Faster R-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的图像超分辨率技术实战（3）第7章课后习题注：教材彭小红，张良均.深度学习与计算机视觉实战M.北京：人民邮电出版社.2022.