亚龙 YL-310F型 人工智能计算机视觉应用开发平台 实训大纲.docxVIP

人工智能计算机视觉应用开发平台设备-实训大纲 一、实训目标 【知识类】 1．了解人工智能的基本概念、视觉系统的组成和基本工作原理； 2．理解openvino的编程方法和规则、各类函数的功能和作用； 3．掌握基于openvino的视觉系统设计、各类函数的实际应用、进行特定需求人工智能系统编程设计。 【技能类】 1．能熟练使用基于vs code软件的python编程和基于vs2017软件的C++编程； 2．能进行openvino的视觉检测程序设计，测试和错误调试等； 3．能根据要求团队合作完成每个任务。 【素质类】 1．具备适应现代人工智能新知识、新技术等发展变化的自学能力； 2．具备运用所学知识与技能解决实际问题的能力； 3．具备团队协作精神，提高自身能力。 二、实训内容 项目一、基于openvino的视觉检测程序设计 任务一、视觉检测环境搭建 知识要点：掌握VS2017、CMake、python、openvino、vscode的安装和模型优化器的基本使用方法的； 重点难点：模型优化器各环境版本之间的依赖。 任务二、基于opencv DNN和tensorflow模型的视觉检测 知识要点：掌握DNN模型的调用、tensorflow模型调用、VS2017环境配置的基本使用方法的； 重点难点：VS2017调用库环境的配置。 任务三、基于openvino DNN和openvino模型的视觉检测 知识要点：掌握tensorflow模型的转换、openvino模型的调用、物体识别检测的基本使用方法的； 重点难点：基于openvino的模型转换。 任务四、基于openvino的车辆检测 知识要点：掌握基于DNN的模型加载和openvino的模型加载，车辆识别检测的基本使用方法的； 重点难点：基于openvino的模型加载和测试。 任务五、基于openvino的车辆属性检测和车牌识别 知识要点：掌握基于openvino的车辆属性训练模型和车牌识别训练模型的下载，车辆属性和车牌识别检测的基本使用方法的； 重点难点：在车牌检测的基础上实现车辆属性和车牌识别的二次推断。 任务六、基于openvino的行人检测 知识要点：掌握基于openvino的行人检测训练模型下载，基于图像和基于视频的行人检测的基本使用方法的； 重点难点：视频循环读取过程中的行人检测。 任务七、基于openvino的人脸和表情检测 知识要点：掌握基于openvino的人脸检测训练模型和表情检测训练模型下载，人脸检测和表情检测的基本使用方法的； 重点难点：在人脸检测的基础上实现表情检测的二次推断。 任务八、基于openvino的道路检测 知识要点：掌握无人驾驶道路检测的基本概念，基于openvino的道路检测训练模型的下载，道路实时检测的基本使用方法的； 重点难点：同步和异步执行模型的区别。 任务九、基于python的道路检测 知识要点：掌握python运行环境的设置，基于python的道路异步和同步模式实时检测的基本使用方法的； 重点难点：基于python调用openvino环境的设置。 任务十、基于python的人脸、表情和landmark检测 知识要点：人脸landmark训练模型的下载，基于python的人脸检测、人脸表情检测和人脸landmark检测的基本使用方法的； 重点难点：基于python的人脸landmark检测调用和实现。 项目二、基于Openvino的在线车牌识别程序设计 任务一、基于异步调用的车牌检测 知识要点：掌握基于异步模式的车牌检测、车辆属性检测和车牌识别的基本使用方法的； 重点难点：车辆检测的异步推断的实现。 任务二、车牌在线检测的实现 知识要点：掌握MFC运行环境的开发、摄像头的实时采集，车辆、车辆属性和车牌识别检测的基本使用方法； 重点难点：基于MFC运行环境的图像实时采集和异步推断检测。 三、实训学时分配 总学时：24，包括。具体学时分配见表1 表1 实训学时分配表 序号 名称 参考学时 备注 1 视觉检测环境搭建 2 2 基于opencv DNN和tensorflow模型的视觉检测 2 3 基于openvino DNN和openvino模型的视觉检测 2 4 基于openvino的车辆检测 2 5 基于openvino的车辆属性检测和车牌识别 2 6 基于openvino的行人检测 2 7 基于openvino的人脸和表情检测 2 8 基于openvino的道路检测 2 9 基于python的道路检测 2 10 基于python的人脸、表情和landmark检测 2 11 基于异步调用的车牌检测 2 12 车牌在线检测的实现 2 总计 24