《機器視覺與邊緣計算套用》是復旦大學提供的慕課課程，授課老師是趙衛東 、董亮。
基本介紹
- 中文名：機器視覺與邊緣計算套用
- 提供院校：復旦大學
- 類別：慕課
- 授課老師：趙衛東 、董亮
課程大綱,參考教材,
課程大綱
01
神經網路基礎
需要理解神經網路的基本原理，能夠利用梯度下降法推導網路的訓練過程；熟悉網路訓練過程中的常見問題以及最佳化方法
課時
1.1 神經網路基礎
1.2 前向神經網路模型
1.3 神經網路訓練與最佳化
1.4 OpenVINO工具包的安裝和配置
1.5 人工智慧與邊緣計算
1.6 機器視覺簡介
1.7 交通燈車流檢測Demo
02
卷積神經網路基礎
深刻理解卷積操作；熟悉常見的卷積神經網路算法的基本原理；使用常見的卷積神經網路解決典型的圖形處理問題；了解OpenVINO以及安裝和配置
課時
2.1 機器視覺與深度學習
2.2 卷積神經網路基礎
2.3 AlexNet卷積神經網路
2.4 VGG卷積神經網路模型
2.5 Inception系列卷積神經網路模型
2.6 ResNet系列卷積神經網路模型
2.7 OpenVINO平台簡介
2.8 OpenVINO使用
03
目標檢測基礎
理解典型的目標檢測算法原理；使用OpenVINO實現目標檢測算法於經典情景
課時
3.1 目標檢測的基本概念
3.2 基於候選區域的目標檢測R-CNN
3.3 Fast R-CNN目標檢測算法
3.4 Faster R-CNN目標檢測算法
3.5 Yolo目標檢測算法
3.6 SSD目標檢測算法
3.7 MobileNet目標檢測算法
3.8 基於OpenVINO的手寫體識別
04
基於OpenVINO的目標識別平台
使用OpenVINO實現典型目標檢測；推理引擎套用
課時
4.1 使用OpenVINO工具包實現目標檢測的過程
4.2 模型最佳化器和推理引擎的使用
4.3 基於OpenVINO的車牌識別
05
基於OpenVINO的邊緣計算套用
學習使用OpenVINO解決實際問題的思路以及實現方法
課時
5.1 智慧型交通燈控制
5.2 智慧教室
5.3 危險品識別
06
綜合實訓：使用OpenVINO解決實際問題
使用OpenVino的實踐和創新型套用
課時
使用OpenVino解決實用邊緣計算場景的新問題
6.1 實訓項目1 導盲系統
6.1 實訓項目2 野生動物數量估計
參考教材
趙衛東，董亮編著.機器學習.北京：人民郵電出版社，2018
莊建，張晶，許鈺雯. 深度學習目標檢測技術——基於TensorFlow和OpenVINO工具套件.北京：機械工業出版社，2020
