教学计划

本课程采用线上线下混合式教育模式进行,由于当前仍然属于建设期,因此资源将持续更新,恕不额外进行通告。本课程采用多种形式展开教学,主要包含如下几种模式。

授课时间 课程内容 在线资源 作业及资料
  • 1
  • 3.2
  • 课程导学 (1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(1课时)
  • 1. 人工智能的基本概念
  • 2. 人工智能的发展简介
  •  
  •  
  •  
  •  
  •  
  • 2
  • 3.9
  • 第2讲 人工智能前沿(2/3课时)
  • 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
  • 3
  • 3.16
  • 第3讲 计算机视觉概述(2/3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
  • 4
  • 3.23
  • 第4讲 初识神经网络(2/3课时)
  • 1.1 深度学习概述
  • 1.2 神经网络的工作原理
  • 1.3 神经网络的关键点
  • 1.4 神经网络的基本原理
  • 习题及实践:
  • [课堂互动03] 深度学习概述@1.4-1.6
  •  
  • 习题及实践:
  • [PPT] 数据读取(Data Reading)
  • [PPT] 数据增广(Data Augmentation)
  • [项目004] 数据规约与数据增广(4课时)
    • Competitions
    • 截止日期:2026年5月17日 23:59
    • 5
    • 3.30
    • 第5讲 深度神经网络(2/3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
    • 6
    清明放假(4月4日-4月6日)
    • 6
    • 4.6
    • 第6讲 三遍读论文法(2/3课时)
    • 1. 泛读
    • 2. 精读
    • 3. 理解与深华
    • 7
    • 4.13
    • 第7讲 深度神经网络的革新(2/3课时)
    • 1. 网络的模块化:VGGNet
    • 2. 网络中的网络:Network in Network
    • 3. 多分支网络:GoogLeNet
    • 4. 残差网络:ResNet
    • 8
    • 4.20
    • 第8讲 迁移学习技术(2/3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
    • 9
    • 10
    • 5.4
    五一放假(5月1日-5月5日)
    • 11
    • 5.11
    • 第9讲 注意力机制(2/3课时)
    • 1. 注意力机制
    • 2. 自注意力
    •  
    • 3. Transformer
    • Competitions
    • 截止日期:2026年6月28日 23:59
    • 12
    • 5.18
    • 第10讲 如何做好科学研究(2/3课时)
    • 1. 为什么要做研究
    • 2. 重要的组会制度
    • 3. 管理好每天的工作和生活
    • 4. 如何做研究
    • 5. 如何写论文
    • 13-15
    • 5.25
    • 6.1
    • 6.8
    • 第11讲 目标检测(6/9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
    • 16
    • 6.15
    • 第12讲 图像分割(4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
    • 17
    • 6.22
    • 第13讲 其他经典图像分析任务(2/3课时)
    • - 图像检索、目标跟踪、风格迁移
    • - 细粒度识别、标题生成、文字检测与识别
    • - 超分辨率与超像素、医学影像分析
    • FinalExam
    • 截止日期:2026年7月5日 23:59