《計(jì)算機(jī)視覺》教學(xué)大綱

《計(jì)算機(jī)視覺》教學(xué)大綱適用范圍：202X版本科人才培養(yǎng)方案課程代碼：22140221課程性質(zhì)：專業(yè)必修課程學(xué)分：4學(xué)分學(xué)時(shí)：64學(xué)時(shí)（理論48學(xué)時(shí)，實(shí)驗(yàn)16學(xué)時(shí)）先修課程：人工智能導(dǎo)論、人工智能與數(shù)學(xué)、人工智能程序設(shè)計(jì)等后續(xù)課程：模式識別與計(jì)算機(jī)視覺、深度學(xué)習(xí)與應(yīng)用、機(jī)器學(xué)習(xí)適用專業(yè)：人工智能專業(yè)開課單位：智能工程學(xué)院一、課程說明《計(jì)算機(jī)視覺》是人工智能專業(yè)的一門專業(yè)必修課。本課程主要研究如何使機(jī)器“看”的科學(xué)，是使計(jì)算機(jī)具有像人一樣的視覺能力，從而能夠識別和理解圖像、視頻以及三維場景中的物體。通過本課程的學(xué)習(xí)使學(xué)生掌握計(jì)算機(jī)視覺的基本原理和技術(shù)，圖像處理和分析的基本方法，并能夠應(yīng)用于實(shí)際場景中解決實(shí)際問題。學(xué)習(xí)深度學(xué)習(xí)和機(jī)器學(xué)習(xí)在計(jì)算機(jī)視覺中的應(yīng)用，并能夠自主開發(fā)計(jì)算機(jī)視覺的應(yīng)用程序或系統(tǒng)。同時(shí)，也在培養(yǎng)學(xué)生的創(chuàng)新能力和實(shí)踐能力，以適應(yīng)不斷發(fā)展的計(jì)算機(jī)視覺領(lǐng)域，為以后從事模式識別與智能控制、自動(dòng)駕駛、機(jī)器人技術(shù)、醫(yī)療診斷、安全監(jiān)控、智能制造等領(lǐng)域的研究與開發(fā)工作打下扎實(shí)的基礎(chǔ)。二、課程目標(biāo)通過本課程的學(xué)習(xí)，使學(xué)生達(dá)到如下目標(biāo)：課程目標(biāo)1：了解計(jì)算機(jī)視覺的起源，計(jì)算機(jī)視覺技術(shù)的應(yīng)用現(xiàn)狀；了解色彩學(xué)基本概念，掌握圖像的數(shù)字化表示；理解圖像預(yù)處理的原因，掌握圖像灰度化、圖像變換、圖像增強(qiáng)等基本算法與原理；了解圖像特征提取的基本原理，掌握局部特征點(diǎn)檢測和邊緣檢測的基本方法，并可以根據(jù)實(shí)際應(yīng)用場景選擇適合的特征提取方法；課程目標(biāo)2：了解深度學(xué)習(xí)與神經(jīng)網(wǎng)絡(luò)，掌握基于卷積神經(jīng)網(wǎng)絡(luò)和循環(huán)神經(jīng)網(wǎng)絡(luò)的圖像分類、目標(biāo)檢測與圖像分割；了解對抗網(wǎng)絡(luò)（GAN）的原理，掌握對抗網(wǎng)絡(luò)在圖像生成、圖像增強(qiáng)、圖像修復(fù)、圖像風(fēng)格遷移等方面的應(yīng)用；了解深度學(xué)習(xí)在語義分割、人臉識別、情感分析、自動(dòng)駕駛、行為分析、智能視頻監(jiān)控等新興視覺技術(shù)領(lǐng)域的應(yīng)用。課程目標(biāo)3：幫助學(xué)生養(yǎng)成嚴(yán)謹(jǐn)?shù)目蒲兴季S，樹立追求真理，勇于探索的精神；提高其責(zé)任擔(dān)當(dāng)意識，塑造社會(huì)主義核心價(jià)值觀，為更好的服務(wù)社會(huì)、建設(shè)國家貢獻(xiàn)力量。課程目標(biāo)4：培養(yǎng)學(xué)生樹立正確科學(xué)的世界觀、人生觀和價(jià)值觀，堅(jiān)定正確的政治方向，培養(yǎng)學(xué)生的法治觀念、社會(huì)責(zé)任感和創(chuàng)新意識樹立正確的審美觀念和勞動(dòng)觀念。三、課程目標(biāo)與畢業(yè)要求《計(jì)算機(jī)視覺》課程教學(xué)目標(biāo)對人工智能專業(yè)畢業(yè)要求的支撐見表1。表1課程教學(xué)目標(biāo)與畢業(yè)要求關(guān)系畢業(yè)要求指標(biāo)點(diǎn)課程目標(biāo)支撐強(qiáng)度1.工程知識：能夠?qū)?shù)學(xué)、自然科學(xué)、工程基礎(chǔ)和專業(yè)知識用于解決人工智能及相關(guān)應(yīng)用領(lǐng)域復(fù)雜工程問題。1.2系統(tǒng)掌握人工智能及相關(guān)應(yīng)用領(lǐng)域的工程基礎(chǔ)和專業(yè)知識，包括算法、硬件、軟件平臺及系統(tǒng)等，了解解決工程問題的基本方法。課程目標(biāo)1：了解計(jì)算機(jī)視覺的起源，計(jì)算機(jī)視覺技術(shù)的應(yīng)用現(xiàn)狀；了解色彩學(xué)基本概念，掌握圖像的數(shù)字化表示；理解圖像預(yù)處理的原因，掌握圖像灰度化、圖像變換、圖像增強(qiáng)等基本算法與原理；了解圖像特征提取的基本原理，掌握局部特征點(diǎn)檢測和邊緣檢測的基本方法，并可以根據(jù)實(shí)際應(yīng)用場景選擇適合的特征提取方法。H3.設(shè)計(jì)/開發(fā)解決方案：能設(shè)計(jì)針對人工智能視覺應(yīng)用領(lǐng)域工程問題的解決方案和滿足特定需求，并在設(shè)計(jì)中體現(xiàn)創(chuàng)新意識，考慮社會(huì)、環(huán)境、健康、安全、法律、文化等因素。3.2設(shè)計(jì)針對人工智能視覺復(fù)雜工程問題的解決方案，包括設(shè)計(jì)或開發(fā)滿足特定需求和約束條件的軟硬件系統(tǒng)、模塊或算法流程，并能夠進(jìn)行模塊系統(tǒng)級優(yōu)化。課程目標(biāo)2：理解傳統(tǒng)的視覺算法，熟悉并掌握以下常用的網(wǎng)絡(luò)：AlexNel；VGGNet；GooLeNet等。H4.研究：能基于科學(xué)原理并采用科學(xué)方法對人工智能及相關(guān)應(yīng)用領(lǐng)域的復(fù)雜工程問題進(jìn)行研究，包括系統(tǒng)的集成研究、算法的研究、參數(shù)的優(yōu)化，并通過信息綜合得到合理有效的結(jié)論。4.2能夠構(gòu)建模擬或?qū)嶒?yàn)系統(tǒng)，通過信息綜合分析和實(shí)驗(yàn)結(jié)果解釋，說明其有效性、合理性，得到解決方案實(shí)施質(zhì)量的合理有效結(jié)論。課程目標(biāo)2：了解深度學(xué)習(xí)與神經(jīng)網(wǎng)絡(luò)，掌握基于卷積神經(jīng)網(wǎng)絡(luò)和循環(huán)神經(jīng)網(wǎng)絡(luò)的圖像分類、目標(biāo)檢測與圖像分割；了解對抗網(wǎng)絡(luò)（GAN）的原理，掌握對抗網(wǎng)絡(luò)在圖像生成、圖像增強(qiáng)、圖像修復(fù)、圖像風(fēng)格遷移等方面的應(yīng)用；了解深度學(xué)習(xí)在語義分割、人臉識別、情感分析、自動(dòng)駕駛、行為分析、智能視頻監(jiān)控等新興視覺技術(shù)領(lǐng)域的應(yīng)用。H注：表中“H（高）、M（中）”表示課程與相關(guān)畢業(yè)要求的關(guān)聯(lián)度。四、教學(xué)內(nèi)容、基本要求與學(xué)時(shí)分配1.理論部分見表2表2教學(xué)內(nèi)容、基本要求與學(xué)時(shí)分配教學(xué)內(nèi)容教學(xué)要求，教學(xué)重點(diǎn)難點(diǎn)理論學(xué)時(shí)實(shí)驗(yàn)學(xué)時(shí)對應(yīng)的課程目標(biāo)1．計(jì)算機(jī)視覺引論1.1計(jì)算機(jī)視覺簡史1.2計(jì)算機(jī)視覺的應(yīng)用1.3基于卷積神經(jīng)網(wǎng)絡(luò)的計(jì)算機(jī)視覺的應(yīng)用思政元素：社會(huì)主義核心價(jià)值觀培育教學(xué)要求：了解計(jì)算機(jī)視覺的基本概念、計(jì)算機(jī)視覺的發(fā)展歷程，包括早期的視覺系統(tǒng)框架和近年的深度學(xué)習(xí)方法；了解計(jì)算機(jī)視覺的主要任務(wù)，如圖像分類、目標(biāo)檢測、圖像識別等；了解計(jì)算機(jī)視覺的研究現(xiàn)狀以及應(yīng)用領(lǐng)域。重點(diǎn)：計(jì)算機(jī)視覺的主要任務(wù)，如圖像分類、目標(biāo)檢測、圖像識別等；難點(diǎn)：計(jì)算機(jī)視覺系統(tǒng)框架和深度學(xué)習(xí)方法。21、2圖像的表示2.1色彩學(xué)基礎(chǔ)2.2圖像的數(shù)字化2.3圖像的預(yù)處理思政元素：赤子情懷教育教學(xué)要求：了解三基色的原理與彩色模型，掌握照明對成像的影響；了解圖像的采樣與量化，掌握圖像的噪聲與像素間的關(guān)系；掌握圖像的灰度化與幾何變換；掌握圖像增強(qiáng)技術(shù)，能夠根據(jù)具體情況進(jìn)行圖像增強(qiáng)處理。重點(diǎn)：圖像的采樣與量化，灰度化、幾何變換與圖像增強(qiáng)。難點(diǎn)：圖像增強(qiáng)技術(shù)，能夠根據(jù)具體情況進(jìn)行圖像增強(qiáng)處理41、23.特征提取3.1局部特征點(diǎn)概述3.2角點(diǎn)檢測3.3斑點(diǎn)檢測3.4特征描述子3.5邊緣檢測3.6基于窗口模板的檢測方法教學(xué)要求：了解圖像局部特征表達(dá)，掌握角點(diǎn)、斑點(diǎn)和基于特征描述子的檢測方法；了解圖像邊緣含義，掌握基于一階/二階的微分邊緣算子檢測方法和基于床樓，歐版的檢測方法。重點(diǎn)：掌握局部特征點(diǎn)檢測和邊緣檢測的方法，能利用相關(guān)方法進(jìn)行圖像邊緣檢測。難點(diǎn)：能采用合適的方法進(jìn)行圖像邊緣檢測61、24.神經(jīng)網(wǎng)絡(luò)4.1神經(jīng)網(wǎng)絡(luò)基礎(chǔ)4.2感知器4.3前向傳播和反向傳播算法4.4卷積神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)4.5卷積神經(jīng)網(wǎng)絡(luò)的應(yīng)用4.6循環(huán)神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)4.7循環(huán)神經(jīng)網(wǎng)絡(luò)的擴(kuò)展與改進(jìn)思政元素：創(chuàng)新精神價(jià)值觀念教學(xué)要求：了解什么是神經(jīng)元、卷積計(jì)算與網(wǎng)絡(luò)結(jié)構(gòu)，理解感知器與激活函數(shù)；掌握前向傳播與反向傳播算法原理與推導(dǎo)過程；了解什么是卷積神經(jīng)網(wǎng)絡(luò)，掌握卷積神經(jīng)網(wǎng)絡(luò)的機(jī)構(gòu)與組成；理解什么是循環(huán)神經(jīng)網(wǎng)絡(luò)，掌握循環(huán)神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)與擴(kuò)展改進(jìn)以及在如何處理序列化數(shù)據(jù)。重點(diǎn)：卷積神經(jīng)網(wǎng)絡(luò)和循環(huán)神經(jīng)網(wǎng)絡(luò)的組成及應(yīng)用難點(diǎn)：卷積神經(jīng)網(wǎng)絡(luò)和循環(huán)神經(jīng)網(wǎng)絡(luò)的工作原理，搭建深度神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)102、35.物體的分類與識別5.1圖像分類與識別5.2AlexNel網(wǎng)絡(luò)5.3VGGNet網(wǎng)絡(luò)5.4GooLeNet網(wǎng)絡(luò)5.5ResNet網(wǎng)絡(luò)5.6基于神經(jīng)網(wǎng)絡(luò)的圖像分類與識別教學(xué)要求：理解圖像分類與圖像識別及目標(biāo)檢測的區(qū)別；了解典型的神經(jīng)網(wǎng)絡(luò)架構(gòu)，掌握AlexNel、VGGNet、GooLeNet、ResNet網(wǎng)絡(luò)的原理與搭建。重點(diǎn)：搭建AlexNel、VGGNet、GooLeNet、ResNet網(wǎng)絡(luò)。難點(diǎn)：利用AlexNel、VGGNet、GooLeNet、ResNet網(wǎng)絡(luò)實(shí)現(xiàn)圖像分類、檢測與分割。102、36.目標(biāo)檢測與語義分割6.1目標(biāo)檢測與語義分割6.2RCNN到FasterR-CNN網(wǎng)絡(luò)6.3端到端方法：YOLO、SSD網(wǎng)絡(luò)6.4從FCN到MaskR-CNN網(wǎng)絡(luò)6.5基于神經(jīng)網(wǎng)絡(luò)的目標(biāo)檢測與語義分割教學(xué)要求：理解圖像中目標(biāo)檢測與圖像分割及語義分割的區(qū)別；掌握RCNN、FasterR-CNN、YOLO、SSD、FCN、MaskR-CNN等網(wǎng)絡(luò)的原理與搭建。重點(diǎn)：搭建RCNN、FasterR-CNN、YOLO、SSD、FCN、MaskR-CNN網(wǎng)絡(luò)。難點(diǎn)：利用RCNN、FasterR-CNN、YOLO、SSD、FCN、MaskR-CNN網(wǎng)絡(luò)實(shí)現(xiàn)目標(biāo)檢測與語義分割。42、37.圖片描述與關(guān)系識別7.1單詞、句子在深度學(xué)習(xí)模型中的表示。7.2Encoder-Decoder模型7.3基于Encoder-Decoder的圖片描述與關(guān)系識別模型教學(xué)要求：了解單詞、句子在深度學(xué)習(xí)中的表示，掌握圖片描述與關(guān)系識別的任務(wù)；理解Encoder-Decoder基本結(jié)構(gòu)與注意力機(jī)制，掌握基于Encoder-Decoder的圖片描述與關(guān)系識別模型。重點(diǎn):Encoder-Decoder的圖片描述方法。難點(diǎn):使用Encoder-Decoder方法，引入注意力機(jī)制改進(jìn)圖片描述性能。42、3、48.生成對抗網(wǎng)絡(luò)（GANs）8.1生成對抗網(wǎng)絡(luò)（GANs）理論介紹8.2生成對抗網(wǎng)絡(luò)（GANs）模型8.3生成對抗網(wǎng)絡(luò)（GANs）的應(yīng)用教學(xué)要求：了解生成對抗網(wǎng)絡(luò)（GANs）原理、模型架構(gòu)；掌握GANs的運(yùn)行原理以及能利用GANs實(shí)現(xiàn)文本轉(zhuǎn)圖像、照片風(fēng)格轉(zhuǎn)化、局部變量臉和定制圖片生成；重點(diǎn):掌握GANs的運(yùn)行原理以及能利用GANs實(shí)現(xiàn)文本轉(zhuǎn)圖像、照片風(fēng)格轉(zhuǎn)化、局部變量臉和定制圖片生成。難點(diǎn):GANs的模型架構(gòu)與運(yùn)行原理。42、3、49.基于深度學(xué)習(xí)的新興視覺應(yīng)用9.1三維空間重建9.2視頻穩(wěn)定9.3目標(biāo)檢測與跟蹤思政元素：愛國主義價(jià)值觀念教學(xué)要求：了解三維空間重建技術(shù)，掌握3D-R2N2進(jìn)行三維空間重建的算法原理；理解視頻穩(wěn)定的主要任務(wù)與原理，掌握通過MobileNet-SSD深度神經(jīng)網(wǎng)絡(luò)模型實(shí)現(xiàn)人臉檢測，繼承L1視頻穩(wěn)定算法，基于OpenCV框架實(shí)現(xiàn)人臉視頻穩(wěn)定；理解目標(biāo)跟蹤的追咬任務(wù)與原理，掌握目標(biāo)跟蹤的主要方法與技能。重點(diǎn):掌握使用深度神經(jīng)網(wǎng)絡(luò)模型和穩(wěn)定算法實(shí)現(xiàn)人臉視頻穩(wěn)定；掌握目標(biāo)跟蹤的主要方法與技能。難點(diǎn):使用UA-DETRAC訓(xùn)練YOLOv3-Tiny模型，結(jié)合DeepSORT模型實(shí)現(xiàn)目標(biāo)檢測、跟蹤和計(jì)數(shù)。42、3、4合計(jì)482.實(shí)驗(yàn)部分實(shí)驗(yàn)部分的教學(xué)內(nèi)容、基本要求與學(xué)時(shí)分配見表3。表3實(shí)驗(yàn)項(xiàng)目、實(shí)驗(yàn)內(nèi)容與學(xué)時(shí)上機(jī)項(xiàng)目上機(jī)內(nèi)容和要求上機(jī)學(xué)時(shí)對應(yīng)的課程目標(biāo)1.圖像預(yù)處理上機(jī)內(nèi)容：使用OpenCV對圖像進(jìn)行圖像增強(qiáng)、圖像變換。上機(jī)要求：對所采集的圖像進(jìn)行預(yù)處理，要求改進(jìn)濾波和圖像增強(qiáng)算法，編寫程序，最終提高圖像質(zhì)量，實(shí)現(xiàn)圖像變換。21、22.邊緣檢測上機(jī)內(nèi)容：使用OpenCV中的Canny函數(shù)實(shí)現(xiàn)邊緣檢測；使用OpenCV中的Sobel函數(shù)實(shí)現(xiàn)邊緣檢測。上機(jī)要求：通過實(shí)驗(yàn)掌握圖像的canny邊緣檢測的原理和編程實(shí)現(xiàn)方法；通過實(shí)驗(yàn)掌握圖像的sobel邊緣檢測的原理和編程實(shí)現(xiàn)方法。21、23.圖像分類上機(jī)內(nèi)容：自己網(wǎng)絡(luò)爬取5個(gè)類別(蘋果、香蕉、葡萄、橙子、梨)圖片，構(gòu)建測試與訓(xùn)練數(shù)據(jù)，學(xué)習(xí)卷積神經(jīng)網(wǎng)絡(luò)圖像分類算法。上機(jī)要求：首先對爬取圖片進(jìn)行圖像預(yù)處理，將其中10%作為測試數(shù)據(jù)，90%作為訓(xùn)練數(shù)據(jù)，然后深入分析算法，編寫程序，實(shí)現(xiàn)圖像分類。41、34.圖像目標(biāo)檢測與圖像分割上機(jī)內(nèi)容：學(xué)習(xí)圖像目標(biāo)檢測與圖像分割算法。上機(jī)要求：深入分析算法，編寫基于YOLO算法對已經(jīng)過預(yù)處理的圖像進(jìn)行目標(biāo)檢測，編寫基于R-CNN算法對進(jìn)行圖像分割，提取出目標(biāo)圖像的有效特征。41、3、45.圖片描述與關(guān)系識別上機(jī)內(nèi)容：根據(jù)給定的百度圖片生成一段描述文字。上機(jī)要求：自己搭建神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)，訓(xùn)練數(shù)據(jù)集，對給定的圖像進(jìn)行圖像描述。其中對于圖像描述的任務(wù)，神經(jīng)網(wǎng)絡(luò)不僅要了解圖中有哪些對象，對象之間的關(guān)系，還要使用自然語言來描述這些對象的關(guān)系。22、3、46.GANs照片風(fēng)格轉(zhuǎn)化上機(jī)內(nèi)容：給定一張輸入圖像和樣式圖像，輸出新的風(fēng)格圖像上機(jī)要求：自己搭建神經(jīng)網(wǎng)絡(luò)，給定一張輸入圖像和樣式圖像，輸出一張既有原始內(nèi)容又有新樣式的新圖像22、3合計(jì)16五、教學(xué)方法及手段本課程以課堂講授為主，結(jié)合案例討論、實(shí)驗(yàn)、作業(yè)、慕課、雨課堂等視頻資源等教學(xué)手段完成課程教學(xué)任務(wù)和相關(guān)能力的培養(yǎng)。在理解計(jì)算機(jī)視覺原理、圖像特征提取和特征識別、圖像分割和深度學(xué)習(xí)算法基礎(chǔ)上，在實(shí)際場景中，能夠自主開發(fā)基于深度學(xué)習(xí)的圖像分類識別項(xiàng)目和圖像描述項(xiàng)目的應(yīng)用程序或系統(tǒng)。在實(shí)驗(yàn)教學(xué)環(huán)節(jié)中，通過啟發(fā)式教學(xué)、討論式教學(xué)培養(yǎng)學(xué)生計(jì)算機(jī)視覺應(yīng)用的基本理論、基本知識和基本技能。培養(yǎng)學(xué)生自主學(xué)習(xí)能力、實(shí)際動(dòng)手能力，激發(fā)學(xué)生的創(chuàng)新思維。六、課程資源庫每門課程需推薦優(yōu)秀專著3本以上（不包括教材），本學(xué)科國內(nèi)或國際權(quán)威期刊5種以上（至少包括外文期刊1種），網(wǎng)絡(luò)資源2項(xiàng)以上。1.推薦教材：雙鍇編著計(jì)算機(jī)視覺[M]，北京郵電大學(xué)出版社，2020年1月第1版2.參考書：作者（譯者）.書名.出版社.出版時(shí)間．（1）[印]穆罕默德·埃爾根迪深度學(xué)習(xí)計(jì)算機(jī)視覺[M].北京：清華大學(xué)出版社，2022（2）夏幫貴OpenCV計(jì)算機(jī)視覺基礎(chǔ)教程（Python版）[M]北京：人民郵電出版社，2021（3）[德]卡斯特恩·斯蒂格，馬克烏斯·烏爾里克，克里斯琴·威德曼著.計(jì)算機(jī)視覺算法與應(yīng)用[M].北京：清華大學(xué)出版社，2019（4）陳仲銘，彭凌西.深度學(xué)習(xí)原理與實(shí)踐[M].北京：人民郵電出版社，2018（5）張錚，薛桂香，顧澤蒼.數(shù)字圖像處理與機(jī)器視覺[M].北京：人民郵電出版社，2020（6）朱光明，馮明濤，王波.智能視覺技術(shù)及應(yīng)用[M].西安：先電子科技大學(xué)出版社，版別（2021年7月）4.網(wǎng)絡(luò)資源：網(wǎng)站名，訪問路徑或者：作者.文題.更新和修改日期.訪問路徑．(1)http：//www.maths.lth.se/matematiklth/personal/andersp/瑞典隆德大學(xué)數(shù)學(xué)系視覺組(2)http：///~daf/加州大學(xué)伯克利分校DavidA.Forsyth(3)http：///~cil/vision.htmlCMU的視覺組(4)/users/szli/中科院自動(dòng)化所李子青研究員(5)/index.php/首頁opencv中文網(wǎng)站(6)/計(jì)算機(jī)視覺最新資訊網(wǎng)(7)/上海交通大學(xué)圖像處理與模式識別研究所七、課程考核對課程目標(biāo)的支撐課程成績由過程性考核成績和期末考核成績兩部分構(gòu)成，具體考核/評價(jià)細(xì)則及對課程目標(biāo)的支撐關(guān)系見表4。表4課程考核對課程目標(biāo)的支撐考核環(huán)節(jié)占比考核/評價(jià)細(xì)則課程目標(biāo)1234過程性考核課堂表現(xiàn)5（1）根據(jù)課堂出勤情況和課堂討論回答問題情況進(jìn)行考核，滿分100分。（2）以平時(shí)考核成績乘以其在總評成績中所占的比例計(jì)入課程總評成績?！獭獭?21實(shí)驗(yàn)15（1）根據(jù)每個(gè)實(shí)驗(yàn)的實(shí)驗(yàn)操作完成情況和實(shí)驗(yàn)報(bào)告質(zhì)量單獨(dú)評分，滿分100分；（2）每次實(shí)驗(yàn)單獨(dú)評分，取各次實(shí)驗(yàn)成績的平均值作為此環(huán)節(jié)的最終成績。（3）以實(shí)驗(yàn)成績乘以其在總評成績中所占的比例計(jì)入課程總評成績?！獭獭獭?821作業(yè)20（1）主要考核學(xué)生對各章節(jié)知識點(diǎn)的復(fù)習(xí)、理解和掌握程度，滿分100分；（2）每次作業(yè)單獨(dú)評分，取各次成績的平均值作為此環(huán)節(jié)的最終成績。（3）以作業(yè)成績乘以其在總評成績中所占的比例計(jì)入課程總評成績?！獭獭獭?822期末考核60（1）卷面成績100分，以卷面成績乘以其在總評成績中所占的比例計(jì)入課程總評成績。（2）主要考核計(jì)算機(jī)視覺的基本概念、原理和方法，數(shù)字圖像得獲取與預(yù)處理；圖像處理的各種算法（SIFT、SURF、ORB、SVM、CNN等）與應(yīng)用（圖像分割與特征提取，圖像識別與分類，目標(biāo)檢測與語義分割以及其他綜合應(yīng)用）等知識。（3）考試題型為：名詞解釋題、填空題、簡答題、繪圖題和分析計(jì)算題等。√√√√263022合計(jì)：100分404875八、考核與成績評定1.考核方式及成績評定考核方式：本課程主要以課堂表現(xiàn)、實(shí)驗(yàn)、作業(yè)、期末考試等方式對學(xué)生進(jìn)行考核評價(jià)?？己嘶疽螅海訌?qiáng)