《计算机视觉应用创新》教学大纲.docx

计算机视觉应用创新教学大纲适用范困：2O2X版本科人才培养方案涕程代码：22170332课程性质：专业创新必修课学分：2学分学时：32学时（实践32学时）先修课程：人工智能导论、人工智能与数学、人工智能程序设计等后接课程：人工智能淙合创新、毕业设计等适用专业：人工智能专业开课单位：智能工程学院一、课程说明4计笄机视觉应用创新3是人工智能专业的一门专业创新必修课，是一门研究如何使机器能“荷”的科学，旨在识别和理解图像中的内容。本课程主要困骁图像预处理、图像分类、目标检测、图像分割等常见的视觉任务，结合padd1.epadd1.e,tensorf1.ow等平台设汽实践项目，K点俄炼学生计算机视觉方面的实践应用能力，培养创新意识和自主学习鲍力，为后期进行相关课程的学习和从事相关工作打下扎实的基础.二、课程目标通过本课程的学习，使学生达到如下目标：课程目标I；掌握计算机视觉任务中图像收集、预处理的般流程和工具的使用方法：熟派图像数据第的制作过程和方法。课程口标2：能终结合常规的神经两络模型解决计算机视觉任务中常见的图像分类、目标检测、图像分割问题：熟悉PaddICPaddatensornOW等平台在计算机视觉任务中的作用和使用方法.课程目标3：激发学生科技报国的家国情怀和使命担当，培养学生的工匠精神、团队协作能力、自主学习能力、以及实践创新思斑：树立正确的劳动观念，形成偲好的劳动习做，具有劳动精神和劳动能力.三、课程目标与毕业要求1计停机视觉应用创新3课程教学目标对人工智能专业毕业要求的支掠见表U*1课程教学目标与毕业要求关系毕业要求指标点谭程目标JS2.问JB分析:Ife终应用数学、自然科学和工程科学的基本原理,识别、表达、并通过文献研究分析人工智能及相关应用领域复杂工程问题,以获得有效结论,2.2能够应用人工智能教学的相关原理,并借助于文献研究寻求道用的人工智能及相关应用领域工程问题蟀决方案，获得有效的结课程目标1：掌握计鲜机视觉任务中图像收集、预处理的一般流程和工具的使用方法;熟悉图像数据集的制作过程和方法.课程目标2：能够结合常规的神经网络模型解决计算机视觉任务中常见的图像分类、目标检测、图像分例向SSs熟悉padd1.epadd1.e.tensorf1.ow等平竹在计算机视觉任务中的作用和使用方法.M3.设计/开发解决方案，踪合考虑社会、龙旗、安全、法律、文化以及环境等因素，掌握计算机视觉技术的茶础知识和相关技能,尤其是人工神经珅络理论与实践结合的学习方式，设计/开发针对计算机视觉相关问璃的解决方案并在设计环节中体现创新怠识.3.2针对特定需求和约束条件设计人工智能及相关应用领域的系统集成、软件帙块或算法流程。针时人工智能的工程应用进行分析描述、规划解决方案、设计实验过程、展开验证与研究的初步能力,具有扎实的工程妹础知识和实践能力。课程目标h掌握计算机视觉任务中图像收集、预处理的一般流程和工具的使用方法;熟悉图像数据集的制作过程和方法。课程目标2：能够结合常规的神经网络模型解决计算机视觉任务中常见的图像分类、目标检测、图像分割何时：熟悉PaddIePadd1.e、IenSOrf1.oW等平台在计算机视觉任务中的作用和使用方法。H4.研究,能基于科学原理并采用科学方法对人工智能及相关应用领域的复杂工程问题进行研究，包括系统的续成研究、算法的研究、卷数的优化并通过信息绘合得到合理有效的结论1.2能够构建模拟或实验系统，通过信息综合分析和实验结果解徉，说明其有效性、合理性,得到解决方案实施质量的合理有效结论.课程目标1.掌握计算机视觉任务中图像收集、预处理的一股流程和工具的使用方法:熟悉图像数据集的制作过程和方法.课程目标2：能鲂结合常规的神经网络模型解决计整机视觉任务中常见的图像分类、目标检测、图像分割向时：熟悉padd1.epadd1.e.tensorf1.ow等平价在计算机视觉任务中的作用和使用方法.M9.个人与团队，能在多学科背景下的团队中承担个体、团队成员以及负责人的角色.9.1埋解团队合作的重要性，具有与团队成员或负方人协调合作的团队精神和能力.能够在多学科背景下的团队中独立或合作开展工作并发挥作用。课程目标3:激发学生科技报国的家国情怀和使命担当，培养学生的工匠相神、团队称作能力、自主学习能力、以及实践创新思维：国立正确的劳动观念，形成良好的劳动习惯，具有劳动精神和劳动能力。M注：表中-HM（中）”表示源程与相关毕业要求的关联度.四、教学内容、基本要求与学时分配实践部分见表2表2实践项目、实践内容与学时实践目实践内容和要求实践学时1.Pyhon爬虫工具的使用实践内容：使用Python爬虫工具爬取鲜花图像.实践要求I通过本项目的实践学习，使学生掌樨Python爬虫工具的使用，网络爬取的一般流程及注意事项,提升学生快速大联获取数据的宾践能力。41、32.基于OpenCV的图像预处理实践内容I利用OpenCV对给定图像进行尺寸变换、格式转换、色域转换以及对比度亮度等方面的处理。实践要求t通过本项目的学习和实践使学生掌jPython,OpenCV等工具的使用，及常见的图像预处理的-般流程,如尺寸、格式、色域的转换等.41、33.祭于深度神经网络的宝石分类实践内容：利用深庆神经网络完成宝石图片的分类问Sfi.实践要求t通过本项H的学习和实践，进一步加强学生对Python编程技巧、E桨平台等工具的使用等，进一步熟悉深度神经网络在图像分类上的使用充分提升学生的创新实践能力.42,3I.基于卷枳神经网络的美食识别实践内容I利用卷机神经网络解决美食图片的分类问题.实践要求：通过本项目的学习和实践，进一步加强学生对卷枳神明网络的使用熟怂程度，以及时图像分类问题的理解.42,35.联于FasterRCNN俄吧的建砖瑕底抬测实践内容：利用FnSterRC模型解决费珑瑕疵识别的何题，实践央求t通过本项目使学生理解FaS1.erRCNN模型的基本原理，熟悉两阶段Ii1.标识别的方法,以及瑕疵检测的特点.12、36.基于YO1.OV3模型的昆虫检测实践内容，利用Y01.0V3对昆虫图像进行检测识别.实践要求：通过本项目的学习和实践,使学生理解Yo1.oY3模型的基木质理，熟悉一阶段目标识别的方法,以及昆虫检测识别的特点.12、37.法干U-Net的宠物分割实践内容：利用II-Net惮络对图像中的宠物目标进行分札实践要求：通过本项目的学习和实践，使学生进一步熟悉N-Net网络的特点，熟悉该网络的搭建、训练过程，进一步加深对图像分割的理解和实践应用能力.12、38.基于Padd1eSeg的人像分割实践内容，利用Padd1.eSeg对图中的人像进行分割处理.实践要求8通过本项目的学习和实践，使学生进一步熟悉PaddIeSc的特点，以及42、3倏型训练、评估于预测的一般方法,进一步加深对图像分割的耳解和实践应用能力。合计32五、教学方法及手段本课程以项目式实践教学为主，教师用导为辅,结合实践项目、导学任务卡、翳课、泛雅平台资源，配合多媒体课件等共同课完成教学任务，采用E-mai1.、QQ,徵信等交流工具,加强和学生之间的交流和沟通。通过启发式教学、讨论式教学培养学生基本知识与技能,培养学生自主学习他力、实际动手能力，激发学生的创新思维.六、课程资源库1 .推存教材：季轩涯.啊焯然.计湘婷.计算机视觉实践N1.北京晶华大学出版社.2022年.2 .参考书：(I)高山,计算机视觉技术IM1.北京:化学工业出版社.2021年(2)卡斯特恩斯蒂格,马克乌斯乌尔里克,克里斯等成使受署.机器视觉算法与应用IM1.北京:清华大学出版社,2019(3)陈仲故彭凌西.深度学习原理与实践IMJ.北京:人民部电出版社.20184 4)RuouzanB.FoundationsofComputerScienccMJ.4thcd.Boston：Ccngagc1.earningEMEA.20185 .期刊：6 1)张亚刚.场于计算机视觉技术的集科级鼠、粒形智Ife化检测及管理系统研发.甘肃省.甘通路桥建设集团有限公司，2022-06-24.(2)普维.尹生阳.张风.基于计算抓视觉的垃圾烈料瓶识别与定位算法研究山.电子测盘技术,2021.44(23):12-17.DOI:10.19651.ki.cmt.2)07427(3)倪健,李前基于计算机视觉的工程车辆篷布樱盖识别研究UJ.信息与电腑(理论版).2021,33(23):64-67.(4)吴宇煤,李一叫,赵远洋等.基于计算机视觉的奶牛体况评分研究探述J1.农业机械学R,2021,52(S1)：268-275.(5)张倩.基于计算机视觉的黑烟车检测技术研究DJ.河北科技大学.2021.DOI:10.27!O7ki.ghbku,2O21.000651(6)艾永平.般巧兴,王泽杰等.基于机器视觉的制草系统百草识别研究U1.上海工程技术大学学报.2020.34(04):369-374.(7)姜添元.监控场景中目标检测与跟踪方法的研究D1.沈阳航空航天大学.2020.D()1.:10.27324/ki.gshkc.202().()U()230(8)杨宇.金生使用深度学习网络U-NeI进行道路提取的研究与讨论(英文)(J).黑龙江大学工程学报.2020.11(04):I-8.DOI:10.13524<j.2O95-8x.2O2O.O4.O454.网络资源:飞桨公开项目社区、hupsWfprojeCtCVCrViC“"pub1.ic(2)计算机视觉论坛.hup:“CCfCkcfcWzyhd小jsj1.t(3) OpenCV论坛.hups:"WWW.opencY七、课程考核对课程目标的支撑课程成缄由过程性考核成绩和综合答辩成绩两部分构成，具体考核/评价细则及对课程目标的支控关系见表3.表3课程考核对猥程目标的支撑考核环节占比考核/评价细则课程目标123过程性考核101根据参与课堂活动情况进行考核.满分100分.2以平时考核成绩乘以其在总评成绩中所占的比例计入课程总评成绩.44210<I)根据学生线上学习情况迸行考核，满分100分.<2>以平时考核成绩乘以其在总评成绩中所占的比例计入课程总评成绩。42分组任务20<D根据好个模块的分祖任务完成情况和顺出单独评分，满分100分。<2>场次分犯任务单独评分，取各次评分的平均值作为此环节的最终成绩.<3>以最终成绩乘以其在总评成绩中所占的比例计入课程总评成绩.884期末考核60< 1>期末考核以项目任务(综合性大作业)的形式屣开.< 2>项目任务主要以综合设计和应用为主，考育学生对该课程的整体掌握程度和实践应用能力.< 3>学生可分组完成，J242412合计：100分404020八、考核与成绩评定1 .考核方式及成豌评定考核方式：本课程主要以课堂表现、线上成绩、分组任务、期末考核等形式对学生进行考核评价.考核基本要求：考核总成绩由过程性评价成绩和期末考核成绩构成。其中：期末考核成绩为100分(权重60%),期末考核主要以项目任务(综合性大作业)的形式展开，学生可分组完成，项目任务（综合性大作业主要以综合设计和应用为主；课堂表现、设上学习、分组任务等过程性考核成缄为100分（权理40）.2 .过程性考核成绩的标准过程性考核方式重点考核内容、评价标准、所占比重见表4。*4过程性考核方式评价标准考核方式所占比（%）100>x>90<tt三)90>x>80良好）80>x70中等70>x>60及格x<60不及格）课堂堂现25枳极参与教学活动，踊跃回答问题，多次累计平均得分100>x90.认真参与各项教学活动，多次累计平均得分90>xH0.偶尔参与教学活动,多次累计平均得分80>x70.上课不认典,偶尔参与教学活动，多次累计平均得分70>x>60.上课不认真,上课不记笔记，偶尔多与教学活动，多次累计平均得分<60,线上学习25视颇、章节学习进度100%。视频、章节学习进度90%。觇娠、章节学习进度70-80%.祝颇、章节学习进度60%,觇频、章节学习进度<60分组任务50分组任务完整，思路清晰,完成率人于90%.材料完整.分组任务完整，思路清晰，完成率大干80%.材料先整.分组任务完整,完成率大于70-80%,材料完整.分组任务完整，完成率大于60»,材料先整.分组任务未完成，材料不完整.