深度学习与计算机视觉实战教学教案.docx

第1章概述教案课程名称：深度学习与计算机视空实战课程类别，必修适用专业，大数据技术类相关专业总学时：64学时（其中理论40学时,实验24学时）总学分I4.0学分本章学时：3学时一、材料清单（1>4深度学习与计算机觇觉实战教材.（2）配套PpT（3）引导性提问.（4）探究性问题。（5）拓展性问题。二、教学目标与基本要求1 .教学目标对计算机视觉和深度学习技术的假念及发展历程进行简地的介绍，并对计算机视觉和深度学习技术结合应用的领域is行举例，然后介绍计算机视觉和i采度学习技术实践常用的Py1.hon撷架，对两种主流的深度学习框架TensorHow和PyTorch从发展历程、现状分析、性能比较3个方面进行说明.最后对常用的图像处埋库OpcnCV和Pi1.1.ow进行简唯的介绍.2 .基本要求（1） 了解计算机视觉的发展历程.（2） 了解深度学习的发展历程。（3） 了解计算机视觉常见的应用领域，（4） 了解常见的深度学习框架.（5>了解常用的图像处理库。三、问题1 .引导性提问引导性提问需要教师根据教材内容和学生实际水平，提出问卷，启发引&学生去解决问遨.提问，从而达到理解、掌握知识，发展各种能力和提离思想觉悟的目的.（I）现实生活中存在做些计算机视觉技术？（2）该如何实现计算机视觉技术？（3）主流深度学习框架有哪些？2.探究性问题探究性向施需要教W深入钻研教材的基础上精心设计,提问的用度或齐在引导性提问的基础上，从重点、难点问题切入，进行插入式提问。或者足时引导式提问中尚未涉及但在课文中又是重要的何越加以设问.（1>计算机视觉技术是怎样发展起来的？（2）计算机视觉技术能够应用在那些场景?（3）TcnsorFIow和Pytorch各自有哪些优缺点？3.拓展性问题拓展性问题需要教师深刻理解教材的意义，学生的学习动态后,根据学生学习层次,提出切实可行的关乎实际的可操作问鹿.亦可以提供拓展资料供学生研习探讨，完成拓展性问垓（1）深度学习用于计匏机觇觉有哪些优势？(2)要实现人脸识别可以从哪些角发入手？四、主要知识点、重点与难点1 .主要知识点(I)计算机视觉的发展历程“(2)深度学习的发展历程.(3计算机视觉常见的应用领域.(4)常见的深度学习框架。(5)常用的图像处理库。2.重点(1)计算机视觉常见的应用领域。(2)常见的深度学习框架.(3)常用的图像处理库。3.难点(I)常见的深度学习框架。(2)常用的图像处理库.五、教学过程设计1 .理论教学过程(I)计算机视觉的发展历程.(2)深度学习的发展历程。(3)计算机视觉常见的应用领域.(4常见的深度学习框架。(5)常用的图像处理库.2 .实验教学过程(1)创建环境.(2>激活创建好的环境。(3)安装Tns511ow>六、教材与参考资料1.教材彭小红.张良均.深度学习与计算机视觉实战IM1.北京：人民品电出版社.2022.2 .参考资料1 JanEHkSo1.cm.索利姆.朱文涛.等.Python计算机视觉就程M.人民掘电出版社.2014.(2)弗朗索瓦肖莱.张亮等.Py1.hon深度学习(M.人民邮电出板社,2018.3 RafaCICGonzahz玩秋埼等.数字图像处埋M.电子工业出版社,2011.4 IanGOodfeIk1.W.赵申例等,深度学小M,人民邮电出版社,2017.第2章图像处理基本操作教案课程名称，深度学习与计算机视觉实战课程类别，必修适用专业t大数据技术类相关专业总学时I64学时（其中理论40学时，实脸24学时）总学分：4.0学分本章学时：8学时七、材料清单（6）深度学习与计算机视觉实战3教材。（7）配套PPT.（8弓I导性提问。（9）探究性同题.（10）拓展性问遨.八、教学目标与基本要求3 .教学目标主要介绍深度学习视觉仪法的图像预处理中所需要的理论基础和方法，首先介绍通过OpcnCV库对图像进行读写操作.不同图像颜色空间之间的区别和对颜色空间进行转换的方法.然后介绍图像数据佻预处理中常用的图像几何变换方法.最后介绍常用的图像增强方法.4 .基本要求（6） 了解数字图像数据表示形式和行见的图像类型，（7）掌树图像的读写操作。十、主要知识点、重点与难点8 .主要知识点（6）常见图像类型.（7）读取图像，（8） W示图像.（9）保存图像，（10）常用颜色空间。（II）颜色空间转换.（12）图像几何变换。（13）图像增强.9 .重点（4）读取图像（5）颜色空间转换.（6）图像几何变换，（7）图像增强.10 .难点（3）颜色空间转换.（4）图像几何变换.（5）图像增强,十一、教学过程设计I1.理论教学过程（6）常见图像类型.（7）读IU图像.（8）显示图像，（9）保存图像，（IO）常用颜色空间.（II）颜色空间转换。（12）图愎几何变换.（13）图像增强.12.实验教学过程（4）读取图像.（5）显示图像，（6）保存图像.（7）转换颜色空间.（8）图像平移，（9）图像缩放.（IO）图像旋转。（11）图像仿射。（12）灰度级修正.（13）图像平滑。（14）图愎锐化.十二、教材与参考资料13 .教材如小红，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.2022.14 .参考资料I）JanErikSo1.cm,索利姆,朱文涛,等.Python计穹机视觉编程M人民配电出版社,2014.121弗朗索瓦尚林张亮等.Pyihon深度学习M,人民邮电出版社,2018.（3 Rafae1.CGonZaIeZ.阮秋琦等.数字图像处理（M1.电子工业出版社.2011.4）IanGeodfC1.kW.赵申剑等.深度学习M.人民蚓I1.出版社,2017.（12）掌握经典的基于深度学习的图像分类的实现方法.（13）掌握经典的恭于深度学习的目标检测的实现方法，（14）掌握经典的翦于深度学习的图像分割的实现方法。（15）掌握经典的基于深度学习的图像生成的实现方法.十五、问题17.引导性提问引号性提问需要教师根据教材内容和学生实际水平，提出问题，启发弓I导学生去解袂向遨.提问.从而达到理解、掌握知识,发展各种能力和提高思想觉1»的目的.（7）什么处深度神经网络?（8）深度神羟网络处理计就机觇觉有什么优势？（91计算机视觉有哪些任务？18 .探究性问题探咒性问题需要教师深入钻研教材的基础上精心设计，提问的用度或者在引导性提问的基础上，从羽点、难点问应切入，进行插入式提问.或者是时引导式提问中尚未涉及但在深文中又是重要的问题加以设问。（7）如何构建深度神经网络？（8目标检测需要做什么？（9）图像分别还能细分为哪些类型？19 .拓展性问题拓展性问题需要教酊深刻理解教材的意义,学生的学习动态后，根据学生学习层次，提出切实可行的关乎实际的可操作问遨.亦可以提供拓展资料供学生研习探讨，完成拓展性问%（5）还有用些深度神经网络类型？（6）图像生成能用在哪些地方？（7）人脸识别屈于哪种计算机视觉任务?十六、主要知识点、重点与难点20 .主要知识点（14）深度神经网络的基本结构.（15）卷枳神经网络的基本结构，（16）卷枳神经网络的训练过程.（17）图像分类的羟典深度神经网络算法，（18）训练图像分类网络的方法.（19）目标检测的经典深度神经网络算法.（20）训练目标检测网络的方法.（21）图像分割的经典深度神经网络算法.（22）训练图像分割网络的方法，（23）图像生成的经典深度神经网络算法。（24）训练图像生成网络的方法.21 .重点（三）图像分类的经典深度神经同络律法.（9）训练图像分类网络的方法。（10）目标检测的经典深度神经网络算法。（II）训练目标检测网络的方法.（12）图像分别的羟典深度神经网络算法，（13）训练图像分割网络的方法.（14）图像生成的经典深度神经网络算法.（15）训练图像生成网络的方法.22 .难点第4章基于CNN人脸识别实战教案课程名称，深度学习与计算机视觉实战课程类别，必修适用专业t大数据技术类相关专业总学时I64学时（其中理论40学时，实脸24学时）总学分：4.0学分本章学时：10学时十九、材料清单（16） £深度学习与计驾机视觉实战3教材”（17）配套PPT.（18）引号性提问。（19）探究性问题.（20）拓展性问遨.二十、教学目标与基本要求27 .教学目标对人脸识别技术的发展和背景进行介绍，并实现人脍识别技术.首先介绍人脍检测的发展历程和训练人脸检测算法所使用的数据集.然后对人脸识别算法进行剖析：对人脸检泅MTCNN算法和网络结构进行分析,针对每一个子网络结构进行分析、说明：介绍人脸对齐的必要性和基本原理；介绍人脸特征提取网络FaceNet的网络结何和卷本原理：介绍人脸特征匹配的方法.最后对人脸识别算法的总体流程进行了说明,并时搭建的人脸识别算法在1.FW数据臾上迸行性能评估，28 .基本要求(16)了解人脸识别技术的发展历程和实现方案.(17)热您实现人脸识别的流程.(18)掌握MTCNN人脸榜测原法的原理和实现方法。(19)掌握人脸姿态矫正对齐的方法.(20)掌握三元组损失(TripH1.oss)的以本原理并训练卷积网络.(21)掌握人脸特征距离的计灯方法.(22)掌握人脸识别技术的评价指标.二H一、问题29 .引导性提问引导性提问需要教师根据教材内容和学生实际水平,提出何题，启发引导学生去解决问题.提问.从而达到理解、掌握知识.发展各种能力和棍高思想觉悟的目的.(10)什么是人脸识别？（三）人脸识别属于哪种计算机视觉fr：务？(12)人类是怎么实现“认人脸的”？30 .探究性问题探咒性问题需要教府深入钻研教材的基础上精心设计,提问的角度或者在引导性提问的场础上，从!R点、玳点问题切入，进行插入式提问“或者是对引导式提问中尚未涉及但在课文中又是重要的何题加以设问.(IO)如何实现人脸识别？(I1.)如何从-张图中找到人脸的位寅？(12)如何提取人脸的特征？31 .拓展性问题2014.121弗朗索瓦尚林张亮等.Pyihon深度学习M,人民邮电出版社,2018.（3Rafae1.CGonZaIeZ.阮秋琦等.数字图像处理（M1.电子工业出版社.2011.4）IanGeodfC1.kW.赵申剑等.深度学习M.人民蚓I1.出版社,2017.第5章基于FasterR-CNN的目标检测实战教案课程名称，深度学习“计灯机视觉实战课程类别，必修适用专业，大数据技术类相关专业总学时：64学时<其中理论40学时,实验24学时）总学分I4.0学分本章学时：10学时二十五、材料清单（21）深度学习与计算机视觉实战3教材.（22）EiJPPT,（23）引导性提问.（24）探究性问题。（25）拓展性问题.二十六、教学目标与基本要求39 .教学目标介绍以FasterR-CNN实现通用目标检测的方法.首先时用于访I练目标检测算法的MSCA1.VoC数据