原创力文档- 1、原创力文档（book118）网站文档一经付费（服务费），不意味着购买了该文档的版权，仅供个人/单位学习、研究之用，不得用于商业用途，未经授权，严禁复制、发行、汇编、翻译或者网络传播等，侵权必究。。
- 2、本站所有内容均由合作方或网友上传，本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺！文档内容仅供研究参考，付费前请自行鉴别。如您付费，意味着您自己接受本站规则且自行承担风险，本站不退款、不进行额外附加服务；查看《如何避免下载的几个坑》。如果您已付费下载过本站文档，您可以点击 这里二次下载。
- 3、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等，请点击“版权申诉”（推荐），也可以打举报电话：400-050-0827(电话支持时间：9:00-18:30)。
- 4、该文档为VIP文档，如果想要下载，成为VIP会员后，下载免费。
- 5、成为VIP后，下载本文档将扣除1次下载权益。下载后，不支持退款、换文档。如有疑问请联系我们。
- 6、成为VIP后，您将拥有八大权益，权益包括：VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
- 7、VIP文档为合作方或网友上传，每下载1次， 网站将根据用户上传文档的质量评分、类型等，对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
PAGE
PAGE1
广州大学研究生课程教学大纲
课程名称
中文
机器视觉
课程编号
0006200112
英文
MachineVision
开课单位
计算机科学与网络工程学院
考核方式
考查
学时
32
学分
2.0
课程类别
专业课
编制者
王员根
适用对象
学术型硕士、专业型硕士
课程简介(中文)：
计算机视觉是一门研究用计算机来实现人类视觉功能的学科，包括对目标进行分割、分类、识别、检测、跟踪和决策等。它是人工智能领域的重要分支，在工业界有广泛的应用前景，也是科学研究中的一个富有挑战性的研究方向。它包含领域广，综合性强，涉及图像处理、模式识别、计算机科学、统计学、神经生理学和认知科学等多门学科。
课程简介(英文)：
Machinevisionisasubjectthatstudieshowtousethecomputertorealizethehumanvisualfunction,includingobjectsegmentation,classification,recognition,detection,tracking,anddecision-making.Itisanessentialbranchinthefieldofartificialintelligence.Ithasabroadapplicationprospectinindustry,anditisalsoachallengingresearchdirectioninscientificresearch.Itincludesawiderangeoffields,includingimageprocessing,patternrecognition,computerscience,statistics,neurophysiology,cognitivescience,andotherdisciplines.
课程目标与基本要求：
了解计算机视觉的发展历史、相关学科、应用领域和研究方向，培养学生学习兴趣，引导学生关注学科前沿和业界动态。掌握基本的图像预处理和特征提取的原理和方法；掌握卷积神经网络的相关知识（损失函数、正则化和梯度下降优化算法等）；为后续内容提供基础。掌握图像分类、目标检测、语义分割、场景理解和图像生成等的原理和经典算法，使学生具备基本的方向知识和研究方法，并能够自主拓展学习或解决相关问题。
课程内容及学时分配：
第1章绪论（2学时）
第2章图像处理基础（4学时）
第3章特征与分类器（4学时）
第4章神经网络基础（6学时）
第5章卷积神经网络（6学时）
第6章图像分类与目标检测（4学时）
第7章语义分割与场景理解（4学时）
第8章图像生成与未来发展（2学时）
教材及主要参考书目：
[1]《卷积神经网络与计算机视觉》,[澳]萨尔曼·汗（SalmanKhan）等编，机械工业出版社，2019年；
[2]《斯坦福CS231n深度学习与计算机视觉讲义》，李飞飞等编；
[3]《计算机视觉：模型、学习和推理》，[英]西蒙J.D.普林斯编，机械工业出版社，2017年。
预修课程：高等数学，离散数学，程序设计基础
教师团队成员：王员根，唐伟轩，李亚，郑立刚，杜娇
编制者签名：
学科点意见：
学科点负责人签名：
年月日
注：1、课程类别指公共课、专业课。2、适用对象指学术型硕士、专业型硕士、在职专业型硕士、博士等。3、课程内容要强调理论性与应用性课程的有机结合，突出案例分析和实践研究；教学过程要重视运用团队学习、案例分析、现场研究、模拟训练等方法；要注重培养学生研究实践问题的创新意识和能力。4、编制者一般为该课程主讲教师。
文档评论（0）