图像处理与机器学习
分享
课程详情
课程评价
spContent=刷脸支付、自动驾驶、智能监控、机器翻译等各种人工智能应用,使得人们的生活更加安全便捷。“图像处理与机器学习”是人工智能应用领域中不可或缺的重要技术。“图像处理”是利用计算机对视觉信息(数字图像)进行处理;“机器学习”是使计算机具有分析和理解能力。本课程以理论为基础、以实践为导向、以应用为目标,系统性讲授“数字图像处理与机器学习”的原理、方法及技术。学生通过该课程的学习,可以掌握图像增强、图像分割及图像分析与理解等方面的知识与技能,从而成为信息技术领域的工程师。
—— 课程团队
课程概述

随着互联网及信息技术的高速发展,人们对人工智能应用的需求也更加广泛和迫切。“图像处理与机器学习”是人工智能应用领域中不可或缺的重要技术;是信息科学、计算机科学、自动化科学等学科学习和研究的对象。


“图像处理”是利用计算机对视觉信息(数字图像)进行处理;“机器学习”是使计算机具有分析和理解能力。本课程详细讲授“图像处理与机器学习”的原理、方法及技术。学生通过该课程的学习,可以掌握图像增强、图像分割及图像分析与理解等方面的知识与技能,从而成为信息技术领域的工程师。


课程包含“数字图像处理”与“机器学习”两部分。“数字图像处理”主要包括图像增强、形态学处理、图像分割等。“机器学习”部分主要包括贝叶斯决策、人工神经网络以及深度学习导论。


课程以理论为基础、以实践为导向、以应用为目标。在讲授相关知识点及算法原理的同时,设计了具有实际应用背景的相关基础实验。此外,为提高学生解决人工智能应用领域中的实际工程问题的能力,课程以授课教师的科研项目为基础,设计了综合性应用专题。为体现课程的实践性,基础实验与综合专题均以VC++和Pathon为编程工具。


为开阔学生视野,紧跟信息技术最新进展,课程还包括若干“图像处理与机器学习”的科研专题,如基于深度学习的签名认证算法研究、抑郁症MRI图像分类算法研究等。


学生通过本课程的学习,夯实理论基础、强化动手能力、提升综合素质,成为人工智能应用领域的工程师。

                  

                   

                        


  

 


授课目标
  • 掌握图像增强、图像分割以及图像分析与理解的原理与相关算法。

  • 掌握贝叶斯决策、人工神经网络及深度学习的原理及相关算法。

  • 掌握利用图像处理与机器学习原理和算法解决人工智能应用领域实际问题的方法

课程大纲
预备知识

线性代数、概率论、信号与系统等

证书要求

课程满分100分,由课程作业、网上讨论和期末考试成绩三部分组成,各部分比例如下:

  • 课程作业  30%

  • 网上讨论  30%

  • 期末成绩  40%

完成全部的课程学习,取得的成绩在60分至80分之间的学习者可申请合格证书,成绩高于80分学习者可申请优秀证书。证书由本课程教师签发。

参考资料

1.Digital Image Processing,Rafael C. Gonzalez, R.W. Woods, 英文版,电子工业出版社,2010年。

2.数字图像处理,Rafael C. Gonzalez, R.W. Woods, 阮秋琦等译,电子工业出版社,2017年。

3.模式识别,张学工, 清华大学出版社,2010年。

4.数字图像处理与机器视觉, 张铮,徐超等, 人民邮电出版社,2014年。