0923S06032-计算机视觉实验.docxVIP

PAGE3

附件5-2

ADDINCNKISM.UserStyle《计算机视觉实验》课程教学大纲

（实验课程）

一、课程基本信息

课程号

0923S06032

开课单位

数学与信息科学学院

课程名称

（中文）计算机视觉实验

（英文）ExperimentsofComputerVision

课程性质

选修

考核类型

考查

课程学分

1

课程学时

34

课程类别

专业发展课程（专业拓展课）

先修课程

Python程序设计、计算机视觉

适用专业（类）

数据科学与大数据、软件工程

二、课程描述及目标

（一）课程简介

《计算机视觉实验》是数据科学与大数据专业本科生的学科基础课。本课程以上机操作为主，旨在通过理论教学与实践操作训练，使学生掌握当代计算机视觉的基础知识、理解图像分类、图像识别、图像分割等计算机视觉任务的基本原理，利用深度学习技术解决计算机视觉任务的工作原理，具备使用卷积神经网络、循环神经网络、注意力机制、生成网络等深度学习技术处理计算机视觉典型问题的基本能力，了解图像分类、图像识别、图像分割等概念，为《毕业实习实训》、《毕业设计》等后续课程奠定必要的理论和实践基础。。

（二）教学目标

通过本课程，学生将学习如何实现、训练和调试基本的神经网络架构，并对计算机视觉的前沿研究有详细的了解。具备使用卷积神经网络、循环神经网络、注意力机制、生成网络等深度学习技术处理计算机视觉典型问题的基本能力。

课程目标1：实现、训练和调试基本的神经网络架构；

课程目标2：掌握文献检索及分析的方法，了解本学科的发展热点和趋势；

课程目标3：能够使用当代深度学习技术处理计算机视觉典型问题。

课程目标4：培养学生正确记录实验数据和现象，正确处理实验数据、分析实验结果、调试程序、书写实验报告的能力。

三、课程目标对毕业要求的支撑关系

毕业要求指标点

课程目标

权重

1-1：模型基础知识

课程目标1

0.2

2-2：工程实践能力

课程目标3

0.4

2-3：信息获取能力

课程目标2

0.2

3-4：专业素养

课程目标1-4

0.2

四、教学重点与难点

1.教学重点

线性分类器、随机梯度下降法、全连接网络、卷积网络及注意力机制

设计并完成目标检测、图像分割综合性实验

2.教学难点

典型的卷积网络及注意力机制策略

设计并完成目标检测、图像分割的综合性实验；

五、实验内容、基本要求与学时分配

序号

实验项目名称

实验内容与要求

学时

类型

对应课程目标

1

线性分类器

掌握线性分类器工作原理，建立线性分类器，分析其特点。

2

验证性

课程目标1-4

2

典型的卷积网络搭建和随机梯度下降训练法

掌握卷积网络工作原理、建立卷积网络及利用随机梯度下降法优化网络

12

综合性

设计研究性

课程目标1-4

3

基于注意力机制和卷积网络的目标检测算法

掌握目标检测方法，建立目标检测网络注意力机制，

12

综合性

设计研究性

课程目标1-4

图像的语义分割

理解图像分割原理，建立图像分割网络

8

综合性

设计研究性

课程目标1-4

合计

34

六、课程教学方法

教学方式：小组讨论，教师指导，上机实验，

教学方法：与理论课程内容相对应，探讨式教学、启发式教学、案例教学相结合，让学生掌握计算机视觉和图像处理问题的方法。

七、学业评价和课程考核

1.考核类型：?考试t考查

2.考核方式：t实验报告?实验作品

?其它：（填写具体考核方式）

3.成绩评定：

考核

依据

建议分值

（百分比）

考核/评价细则

对应课程目标

过程

考核

100%

出勤表现

20%

根据学生出勤比率给出此项成绩

课程目标1

作业

10%

实际操作的正确性(50%)、熟练性(50%)

课程目标1、2、3

课堂表现

10%

规范性(30%)，实验结果正确性(40%)，完成率(30%)

课程目标1、2、3

课程论文

60%

规范性、任务量、程序代码运行结果、成果展示、语言表达逻辑组织

课程目标1、2、3、4

期末

考核

无

八、课程目标达成评价

课程目标的实际达成效果计算方式如下，达成值越高，教学效果越好。

课程目标达成度

毕业要求指标点达成度

九、教材与教学参考书

（一）教材

《DeepLearningforVisionSystems》，MOHAMEDELGENDY，MANNING，2020年，第1版。

（二）教学参考书

《动手学深度学习》，阿斯顿·张等，人民邮电出版社，2020年，第2版；

《深度学习之PyTorch实战计算机视觉》，唐进民，电子工业出版社，2018-06-01，第1版；

（三）参考资料

《深度学习基础》慕课，中国大学慕课课程学习平台，/course/HIT-1206320802?from=searchPage；

执笔