2021春 主讲教师:欧新宇教授
本课程课堂讲授(含实验)约96学时(6学分),同时包含28个学时(0.5学分)的实训学时(1周)。 主要包括:基于深度学习的计算机视觉的主要应用介绍,同时介绍了经典卷积神经网络模型(LeNet, AlexNet, VGGNet, GoogLeNet, ResNet),以及生成模型(生成对抗模型)和循环神经网络的基本知识。最后,详细介绍了计算机视觉中的两个重点任务目标检测(Detection)和图像分割(Segmentation),其中目标检测中介绍了两个重要系列RCNN和Yolo,图像分割详细介绍了两个经典模型FCN和DeepLab。
本课程网站提供《计算机视觉》(71094327)的所有资源,包括在线教案、课堂PPT、相关论文、习题及其他相关资源。 教学过程相关的考勤、作业提交、课堂练习、期末测验将使用 课堂派平台, 请各位同学使用实名(学号)加入课程。在使用方面有疑问的同学可以参考 使用手册—学生版。 加入课程请扫描二维码,或注册后使用加课码加入: 课程二维码及课程码。本课程从2020年9月开始执行。
注意:
1. 本课程所有 [Notebook] 均可保存为PDF格式离线浏览,并欢迎进行转发(请保留版权)。
2. 本课程有少量图片来源于互联网,若存在版权问题,请及时与我联系。
Event Type | Date | Description | Course Materials |
---|---|---|---|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|