《深度学习与计算机视觉实战教学教案.docx》由会员分享，可在线阅读，更多相关《深度学习与计算机视觉实战教学教案.docx（24页珍藏版）》请在课桌文档上搜索。
1、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（14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
2、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
3、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
4、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
5、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。（
6、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
7、）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
8、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
9、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？
10、（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.（2
11、1）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2
12、4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
13、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
14、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
15、.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数据集诳行介绍。然后介绍FaSIerR-CNN目标依测峰法的先验锚框、损失函
16、数、训练网络的定义方法，着重讲解FasterR-CNN中分类回归网络和RPN的损失的计算方法.最后对FasterR-CNN的训练结果进行分析并对目标检测算法的评价指标进行讲解和说明。40 .基本要求（23）了解目标检测的背景和目标.（24）掌握PASCA1.VOC数据集的标注样本格式，井批量处理PASCA1.VOC数据集标注样本.（25）掌握定义FasterR-CNN能置侑息函数的方法.（26）掌握牛.成先验锚框的方法，并根据不同的抽测对象特性调整先於锚框的牛.成策略.（27）了解FacrR-CNN损失函数的作用和原理.（28）掌握目标检洲尊法的性能评估指标的构钞方法。二十七、问题41.引导性
17、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.由发引导学生去解决问鹿，捉同，从而达到理解、掌握知识，发展各种能力和提高思想觉悟的目的。（13）什么是目标检测？（14）目标检测与图像识别有什么区别？（15）人脸检测是目标检洌么？42.探究性问题探究性问题需要教师深入钻研教材的延础上精心设计，提问的角度或者在引导性提同的基础上,从重点、难点问感切入,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曳要的问四加以设问，（13）如何实现目标检测？（14）如何从一张图中检测出多个目标？（15）如何区分不同的11标？（14）生成先验椎枢的方法.（15）FasterR-CNN损失函数
18、的作用和原理,二十九、教学过程设计47 .理论教学过程（32）目标检测的背景和目标，（33）实现目标检测的流程.（34） VOC2012数据集的结构，（35）定义FasterR-CNN配置信息类的方法.（36）生成先验锚枢的方法.（37） FasterR-CNN损失函数的作用和原理，（38）目标检测算法的性能评估指标.48 .实验教学过程（24）生成数据集索引文件.（25）定义配置信息类.（26）生成先验锚椎.（27）定义损失函数.（28）训练网络。（29）分析结果。三十、教材与参考资料49 .教材形小红,张良均.深度学习与计算机视觉实战IM.北京:人民邮电出版社.2022.第6章基于U-Ne
19、t的城市道路场景分割实战教案课程名称，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学时三十一、材料清单(26)深度学习与计算机视觉实战3教材.(27)IWiJPPT,(28)引导性提问.(29)探究性问璃。(30)拓展性问题“三十二、教学目标与基本要求51 .教学目标介绍基于U-Nct实现的城市道路环境感知与分割.首先介绍图像语义分割在自动驾驶技术及相关视觉导航任务中的作用。然后介绍本章使用的数据比，并详细说明U-Ne(的基本阻理和实现方法以及训练U-Ne1.使用的损失函数.最后对训练得出的
20、结果进行分析,利用洲试数据对算法进行性能评估.52 .基本要求三十四、主要知识点、重点与难点56 .主要知识点（39）语义分冽的基本概念和应用.（40）实现图像分割的流程.（41） CarnVid数据篥的读取方法.（42）搭建UNe1的方法,（43）语义分割网络损失函数的设计方法。（44）评价语义分割算法的方法.57 .重点（25）实现图像分割的流程.（26）搭建UN的方法。（27）谙义分割惮络损失函数的设计方法.（28）评价语义分割算法的方法.58 .难点（16）搭建U-NCt的方法.（17）语义分割同络损失函数的设计方法，（18）评价语义分割算法的方法.三十五、教学过程设计59 .理论教学
21、过程（39）语义分割的基本概念和应用.（40）实现图像分割的流程.（41）CamVid数据集的读取方法.（42）搭建U-NCt的方法.（43）语义分割IN络损失函数的设计方法。（44）评价语义分割算法的方法.60 .实验教学过程（30）加载数据集.（31）搭建网络.（32）定义损失函数。（33）训练网络。（34）分析结果.三十六、教材与参考资料61 .教材彭小红,张良均.深度学习与计算机视觉实战MJ.北京:人民邮电出版社.2022.62 .参考资料11JanErikSo1.em,索利姆,朱文涛,等.Python计算机视觉编程M,人民邮电出版社.2014.2弗朗索瓦肖莱,张亮等.Pxhcn深度学
22、习M.人民邮电出版社,2018.3 Ra1.ae1.CGonZa1.CZ,阮秋琦等.数字图像处理MJ.电子工业出版社.2011.41IanGOodft;1.ow.赵申剑等.深度学习M.人民拙电出版社.2017.第7章基于SRGAN的图像超分辨率技术实战教案课程名称，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学时三十七、材料清单(31)深度学习与计算机视觉实战3教材.(32)EiJPPT,(33)引导性提问.(34)探究性问题。(35)拓展性问题.三十八、教学目标与基本要求63 .教学目标介
23、绍基于SRGAN生成对抗神经网络实现图像园分辨率的方法.首先介绍3种不同的图像超分辨率，并说明据于SRGAN的图像招分辨率的优势,然后从数据准心搭建SRGAN,定义SRGAN损失函数3个流程介绍实现SRGAN图像超分辨率技术的方法，着重讲解生成器、判别器的作用及其损失的构建.最后对训练结果进行分析，利用测试数据对算法进行性能评估.64 .基本要求（34） 了解常刖的图像却分辨方法,以及不同图像超分辨方法的区别和特性.（35）熟悉携于SRGAN实现图像制分辨率的流程和步骤。（36）掌握DIV2K数据集的读取方法。（37）掌握搭建生成器和判别器的方法，（38）了解生成涔损失和为别器损失的设计思想。
24、（39）掌握评价图像超分辨率模型的方法。三十九、问题65 .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,提出同咫.比发引导学生去解决问感.提问,从而达到理解、掌握知识,发展各种能力和提高思想觉悟的目的。（18）什么是超分辨率？（19）为什么要超分辨率？（20）使用软件实现超分辨率有什么优势？66 .探究性问题探究性问题需要教酊深入钻研教材的基础上精心设计,提问的角度或者在引桥性提问的基础上，从重点、难点向咫切入，进行捅入式提问.或者是对引导式提问中尚未涉及但在课文中又是武要的问题M以设问。（19） SRGAN是怎么实现超分辨率的？（20）如何判断超分辨率的效果？67 .拓展性问题拓
25、展性问Sfi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题,亦可以提供拓展资料供学生研习探讨，完成拓展性问遨.（16）还有哪些深度神经网络能用于邮分辨率？17 7）GAN族网络还能用在物些地方？四十、主要知识点、重点与难点68 .主要知识点（45）常用的图像超分辨方法.（46）不同图像超分辨方法的区别和特性。（47）图侬超分错率的流程.（48）DIV2K数据集的读取方法,（49）生成器和判别器的搭建方法.（50）生成器损失和判别零损失函数.（51）评价图像超分辨率箍型的方法，69 .重点（29）图像超分辨率的流程.（30）生成器和判别器的搭建
26、方法.（31）生成器损失和判别零损失函数.70 .难点（19）生成潜和判别零的搭建方法.（20）生成器损失和判别器损失函数，四十一、教学过程设计71 .理论教学过程（45）常用的图像超分辨方法.（46）不同图像超分辨方法的区别和特性。（47）图像超分辨率的流程.（48）DIV2K数据集的读取方法.（49）生成器和判别器的搭建方法，（50）生成潺损失和判别零损失函数.（51）评价图像超分辨率模型的方法.72 .实验教学过程（35）加我数据。（36）搭建网络。（37）定义损失函数.（38）训练网络.（39）分析结果.四十二、教材与参考资料73 .教材彭小红,张良均,深度学习与计真机视觉实战（M）.北京：人民立电出版社.2022.74 .参考资料1JanbrkSo1.cm.索利姆.朱文涛.等.Py1.hon计算机视觉解程（M.人民就电出版社.2014.2弗朗索瓦肖莱,张亮等.Python深度学习M.人民邮电出版社.2018.3 RamC1.CGcnza1.cz,沅秋埼等.数字图像处理M.电子工业出版社,2011.4 IanGoOdfe1.kW.赵申剑等.深度学习M,人民邮电出版社,2017.
