授课时间 |
课程内容 |
在线资源 |
作业及资料 |
|
- 课程导学 (3课时)
- 1. 课程基本信息
- 2. 课程组织形式
- 3. 课程作业与考核
- 4. 学习建议
- 5. 实验环境的安装和调试
|
|
|
|
- 第1讲 人工智能概述(3课时)
- 1. 人工智能的基本概念
- 2. 人工智能的发展简介
- 3. 人工智能发展的理论前沿
- 4. 人工智能发展的技术前沿
- 5. 人工智能发展的产业前沿
|
|
|
|
- 第2讲 计算机视觉概述(3课时)
- 1. 计算机视觉概述
- 2. 计算机视觉简史
- 3. 基于深度学习的视频内容理解
- 4. 面向海量视频的视觉计算与识别
|
|
|
|
- 第3讲 初识神经网络(一)(3课时)
- 1. 深度学习概述
- 2. 神经网络的工作原理
- 3. 神经网络的关键点
|
|
[课堂互动03] 深度学习概述@1.4-1.6
|
|
- 第3讲 初识神经网络(二)(3课时)
- 4. 数据准备(Data Preparation)
- 5. 数据读取(Data Reading)
- 6. 数据增广(Data Augmentation)
|
|
[项目003] 数据准备
[项目004] 数据规约与数据增广(选做)
|
|
|
|
|
|
- 第4讲 深度神经网络(AlexNet)(3课时)
- 1. AlexNet和ImageNet简介
- 2. AlexNet的网络体系结构
- 3. AlexNet的技术细节一:数据预处理和数据增广
- 4. AlexNet的技术细节二:模型优化
- 5. AlexNet的技术细节三:训练与测试
|
|
|
|
- 第5讲 网络的模块化(VGGNet)(1课时)
- 1. VGG的特点
- 2. VGG架构的详细分析
- 第6讲 多分支网络(GoogLeNet)(2课时)
- 1. 网络中的网络(Network In Network)
- 2. Inception模块
- 3. GoogLeNet体系结构详解
- 4. GoogLeNet的变种模型
|
|
|
|
- 第7讲 残差网络(ResNet)(3课时)
- 1. ResNet网络概述
- 2. 残差块的基本设计思路
- 3. ResNet网络体系结构详解
|
|
|
|
- 第8讲 迁移学习技术(3课时)
- 1. 迁移学习概述
- 2. 迁移学习的微调策略
- 3. 迁移学习在视觉任务中的应用
|
|
|
|
|
|
|
|
- 第9讲 目标检测(12课时)
- 1. 目标检测概述
- 2. 传统目标检测技术
- 3. 关键技术简介
- 4. 基于两阶段方法的目标检测
- 5. 基于单阶段方法的目标检测
- 6. 基于Anchor-Free的目标检测
- 7. Beyond 2D
|
|
|
|
- 第10讲 图像分割(9课时)
- 1. 图像分割概述
- 2. 评价指标和关键技术
- 3. 经典图像分割模型
- 4. 实例分割和全景分割
|
|
|
|
- 第11讲 其他经典图像分析任务(3课时)
- 1.图像检索、目标跟踪、风格迁移
- 2.细粒度识别、标题生成、文字检测与识别
- 3.超分辨率与超像素、医学影像分析
|
|
|
|
|
|
|