深度学习与计算机视觉实战教学教案.docx

《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（31页珍藏版）》请在优知文库上搜索。

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。（8）掌旌,常用的不同颜色空间互相转换的方法.（9）室理常用的图像几何变换方法。（10）掌握常用的图像增强方法.九、问题5 .引导性提问引导性提问需要教师根据教材

7、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。（4）为什么要对图像进行处理？（5）图像处理应该用什么，具？（6）图像处理行卯些操作？6.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，（4）如何读写图像数据？（5）常见的颜色空间仃哪些？（6图像几何变换可以达到什么效果？7.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

8、UJ操作问题。办可以提供拓展资料供学生研习探讨，完成拓展性问%（3）图像几何变换还有哪些操作？（4）图像增强能用在哪些地方？十、主要知识点、重点与难点8.主要知识点1 6）常见图像类型.（7）读取图像，8 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.（I

9、I）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.CGo

10、nZaIeZ.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3章深度学习视觉基础任务教案课程名称，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：12学时十三、材料清单（三）&深度学习与计修机视觉实战3教材。（12）配套PPT.（13）引导性提问.（14）探究性问题.（15）柘展性问题.十四、教学目标与基本要求15.教学目标主要介绍深度神经网络与卷积神I经网络的第本原理，常见视觉仔务的经典算法和原理。首

11、先阐述深度神经网络的工作原理和机制.重点介绍卷枳神经网络的基本构成和训练机制.然后按照不同飙域计算机视觉任务划分为图像分类、目标检测、图像分类和图像生成,对4个计尊机觇觉任务而应的经典深变学习算法进行原理剖析和代码演示.16.基本要求11 1.）了解深度神经网络和卷积神经网络的域本结何和原理.（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

12、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

13、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

14、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（6）训练图像分类网络的方法.（7）训练目标检测网络的方法。（8）训练图像分割网络的方法。（9）训练图像生成网络的方法.十七、教学过程设计23 .理论教学过程（14）深度神经网络的范本结构，（15）卷积神经网络的基本结构.（16）卷枳神经网络的训练过程.（17）图像分类的经典深度神经网络算法，（18）训练图像分类网络的方法.（19）目标检测的势奥深度神经网络算法，（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.24 .实验教学过程（15）搭建和训练ReSNeJ50网络（16）搭建和训练YO1.Ov3网络（17）搭建和训练MaskR-CNN网络（18）搭建和训绦WGAN网络十八、教材与参考资料25 .教材彭小红，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.2022.26 .参考资料1JanE